神经网络：什么是神经网络？首先明白我们的目的是想要做人工智能，既然是人工智能就想让机器去模仿人，那么人最大的特点就是有很多的神经元，从而可以思考，因此基于这个想法，搭建出来了人工神经网络，有大量的节点构建出来的一个网络，不过这毕竟是个抽象的概念，节点通常就用来储存数字啦，而边一般都用来储存权重，以及传给哪些神经元。神经网络分为前馈神经网络和反馈神经网络前馈神经网络：是最简单的一种神经网络，采用单向
转载
2023-08-29 20:23:21
98阅读
卷积神经网络的核心思想就是设计多个卷积层，卷积层里设计一系列卷积核，输入数据经过卷积层中的卷积核处理，一层层向前推进得到最终的输出数据，这个过程我们称为数据的特征提取。卷积核 从上面的概述知道，卷积核是卷积神经网络的核心，这也是它为什么叫卷积神经网络的原因。那么要理解卷积神
转载
2023-08-12 21:08:41
117阅读
神经网络定义人工神经网络，简称神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。为了描述神经网络，我们先从最简单的神经网络讲起，这个神经网络仅由一个“神经元”构成，以下即是这个“神经元”的图示： 可以看出，这个单一“神经元”的输入－输出映射关系其实就是一个逻辑回归（logistic regres
转载
2023-08-13 20:06:33
61阅读
有误的地方拜托大家指出~神经网络可以使用torch.nn包来构建神经网络.我们以及介绍了autograd，nn包依赖于autograd包来定义模型并对它们求导。一个nn.Module包含各个层和一个forward(input)方法，该方法返回output。例如，下面这个神经网络可以对数字进行分类：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ck5zMPUh-15
转载
2023-08-27 19:21:16
86阅读
卷积神经网络(CNN)原理详解1. 卷积神经网络的组成定义
卷积神经网络由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结构相比，卷积神经网络在图像等方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他浅层或深度神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。我们来看一下卷积网络的整体结构什么样子。其中包含了几个主要结构卷积层
转载
2023-07-28 14:59:12
189阅读
这里写目录标题学习其他模型链接一、引言二、RNN本质三、RNN模型四、RNN的应用五、RNN训练的算法（一）随时间反向传播（backpropagation through time，BPTT）（二）实时循环学习（real-time recurrent learning，RTRL）六、RNN的梯度消失和梯度爆炸（一）产生原因（二）梯度消失七、RNN和CNN的同异（一）不同点（二）相同点八、学习汇报
转载
2024-02-04 00:22:54
61阅读
上篇文章中我们讲解了卷积神经网络的基本原理，包括几个基本层的定义、运算规则等。本文主要写卷积神经网络如何进行一次完整的训练，包括前向传播和反向传播，并自己手写一个卷积神经网络。如果不了解基本原理的，可以先看看上篇文章：【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理 卷积神经网络的前向传播 首先我们来看一个最简单的卷积神经网络： 1.输入层---->卷积层 以上一节
转载
2023-10-13 00:02:21
96阅读
神经网络便是上述模型,从输入层,到隐层1,2然后过滤到输出层.进行分类,是其基本工作而神经网络的感知器就是逻辑回归上述是逻辑回归的两个函数,一个是用theta加权重拟合,一个阈值函数.这个图配合解说还是有点问题的b应该对应的是theta0,w1对应theta1,w2对应theta2生成z,然后根据sigmoid筛选出来的信息给a.这就是感知器少量隐层=>浅层神经网络浅层神经网络=>隐层
转载
2023-08-07 15:29:27
78阅读
卷积神经网络在几个主流的神经网络开源架构上面都有实现，我这里不是想实现一个自己的架构，主要是通过分析一个最简单的卷积神经网络实现代码，来达到进一步的加深理解卷积神经网络的目的．笔者在github上找到了一个十分简单的卷积神经网络python的代码实现：具体的怎么使用这里就不用说了，这里都有介绍，我只是分析一下这个代码的实现过程并解析代码，梳理一下神经网络是怎么使用的和构造原理．一般的神经网络主要包
转载
2023-07-20 14:41:54
83阅读
长短期记忆网络（LSTM）是循环网络的一个变体，可以有效的解决循环神经网络（RNN）的梯度爆炸问题。LSTM的三个门LSTM网络引入门控机制（gating mechanism）来控制信息传递的路径，三个门分别是输入门、遗忘门、输出门，这三个门的作用分别是：（1）输入门控制当前时刻的候选状态有多少信息需要保存.（2）遗忘门控制上一个时刻的内部状态需要遗忘多少信息（3）输出门控制当前时刻的内部状态有多
转载
2023-10-30 23:57:40
634阅读
Outline:本文介绍几种年代比较久的卷积神经网络1.LeNet-52.AlexNet3.VGG-164.ResNet5.Inception一.LeNet-5网络结构图如下：5表示：2个卷积层+3个全连接层；该网络激活函数使用sigmoid和tanh，还没有使用relu函数二.AlexNet该网络与LeNet网络类似，这里使用了5个卷积层，4个全连接层。1.相比LeNet网络，类似但
转载
2023-11-09 10:11:36
102阅读
# 递归神经网络讲解
递归神经网络（Recursive Neural Networks, RNN）是一种专门用于处理序列数据的深度学习模型。相比于传统的神经网络，RNN具有更强的记忆能力，能够有效处理序列数据中的时序关系。本文将对递归神经网络进行详细讲解，并提供一个简单的代码示例。
## 递归神经网络结构
递归神经网络是一种有向图结构的神经网络模型，其中每一个节点都可以连接到其他节点。RNN
原创
2024-04-08 03:54:26
46阅读
神经网络是什么？ 神经网络是一种模拟生物神经系统的数学模型，也是深度学习的核心算法之一。神经网络由多个神经元（或称为节点）组成，每个神经元接收来自其他神经元的输入，并通过一个非线性函数对这些输入进行处理，然后输出到其他神经元。 &nbs
转载
2023-08-14 14:34:34
44阅读
require 'nn'; #在torch中使用nn包来构建神经网络
net = nn.Sequential() #是个容器，下面解释
net:add(nn.SpatialConvolution(1, 6, 5, 5)) -- 1 input image channel, 6 output channels, 5x5 convolution kernel
卷积运算：1个输入通道，6个输出通道，5
转载
2023-10-13 00:15:24
108阅读
神经网络的定义神经网络，是机器学习的一个分支，学名应该叫人工神经网络，与之相对应的是生物神经网络(Biological Neural Networks, BNN)，我们将模拟生物神经网络的数学模型统称为人工神经网络模型，简称人工神经网络或者神经网络。 生物神经网络大脑的学习过程包括以下三个基本步骤或系统。 （1）信息输入。 （2）模式加工。 （3）动作输出。 生物意义上的神经元
转载
2023-08-21 10:34:07
115阅读
在这里使用前馈神经网络和反向传播的方式对数据进行分类。这也是神经网络最基础的部分，刚了解相关内人的话，还是比较难的，特别是在公式推导中。在本部分中，构建一个神经网络分类模型，就可以对手写数字进行识别，无需构建多个二分类模型。
彻底搞定机器学习算法理论与实战——神经网络入门-NeuralNetworks 1 加载数据集与数据查看本案例使用的数据集与使用逻辑回归进行多分类相同。import n
转载
2023-08-08 11:37:12
58阅读
看该视频前建议先看一看神经网络基础，推荐吴恩达老师课程。吴恩达老师视频课：https://pan.baidu.com/s/18JaAUNlYxO2g2_Xh7Mgmgw 提取码：m6kv曹健老师视频课程链接：https://www.bilibili.com/video/BV1B7411L7Qt?p=1课程源码：https://pan.baidu.com/s/1nug4Jl5KZduPx
转载
2024-04-08 22:21:15
27阅读
图中x1~xn是从其他神经元传来的输入信号，wij表示表示从神经元j到神经元i的连接权值，θ表示一个阈值 ( threshold )，或称为偏置( bias )。则神经元i的输出与输入的关系表示为：
转载
2023-05-30 08:27:56
431阅读
从上面的定理可知，当用外积设计DHNN网络时，如果记忆模式都满足两两正交的条件，则规模为n维网络最多可记忆n个模式，一般情况，模式样本不可能都满足正交条件，对于非正交模式，网络的信息存储会大大降低。 事实上，当网络规模n一定时，要记忆的模式越来越多，联想时出错的可能性很大，反之，要求出错率越低，网络的信息存储容量上限越小。研究表明当存储模式数P超过0.15n时，联想时就有
转载
2024-01-23 20:29:28
76阅读
本博客主要分为两部分： 1、PINN模型论文解读 2、PINN模型相关总结第一部分：PINN模型论文解读一、摘要基于物理信息的神经网络（Physics-informed Neural Network， 简称PINN），是一类用于解决有监督学习任务的神经网络，同时尊重由一般非线性偏微分方程描述的任何给定的物理规律。原理：它不仅能够像传统神经网络一样学习到训练数据样本的分布规律，而且能够学习到数学方程
转载
2023-08-09 20:23:49
2459阅读
