深度学习
文章平均质量分 69
zhongkeli
这个作者很懒,什么都没留下…
展开
-
CNN 卷积神经网络--kernel、偏置值导数
卷积层偏置值导数∂E∂blj=∂E∂zlj∗∂zlj∂blj(1)\begin{align}\frac{\partial E}{\partial b_j^l}&=\frac{\partial E}{\partial z_j^l}*\frac{\partial z_j^l}{\partial b_j^l}\tag1\end{align} one thing keep in mind: bljb_j原创 2016-07-08 21:42:30 · 8642 阅读 · 0 评论 -
keras Layer
keras LayerSimple IntroductionKeras实现了很多层,包括核心层、卷基层、RNN网络层等诸多常用的网络结构。Core 核心层Sourceclass Layer(object): '''Abstract base layer class. All Keras layers accept certain keyword arguments:原创 2016-07-07 11:05:49 · 5032 阅读 · 0 评论 -
CNN 卷积神经网络结构
CNNcnn每一层会输出多个feature map, 每个Feature Map通过一种卷积滤波器提取输入的一种特征,每个feature map由多个神经元组成,假如某个feature map的shape是m*n, 则该feature map有m*n个神经元。对于卷积层会有kernel, 记录上一层的feature map与当前层的卷积核的权重,因此kernel的shape为(上一层feature原创 2016-07-07 22:02:27 · 44306 阅读 · 5 评论 -
BP神经网络
#三层BP神经网络三层网络结构图 xx为输入向量,yy为隐藏层的神经元,zz为输出层, dd为目标真实值, 本文默认zz不经过sigmod处理。x-y的权重为ww,y-z的权重为vv。BP算法推导yj=∑ixiwij(1)y_j=\sum_ix_iw_{ij} \tag1 Oyi=f(yj)(2)O_{y_i}=f(y_j) \tag2 其中激励函数f(x)=11+e−xf(x)=\frac{原创 2016-07-08 09:36:51 · 2103 阅读 · 0 评论 -
CNN 卷积神经网络-- 残差计算
前言本文主要是解析论文Notes onConvolutional Neural Networks的公式,参考了http://blog.csdn.net/lu597203933/article/details/46575871的公式推导,借用https://github.com/BigPeng/JavaCNN代码CNNcnn每一层会输出多个feature map, 每个feature map由多个神原创 2016-07-07 18:13:21 · 13225 阅读 · 1 评论