0.写在翻译之前 本文翻译自博客：i am trask ， 属于本人一边学习神经网络一边翻译的文章。所以不止在翻译层面可能会有错误，在对神经网络的原理层面也难免会有错误。假如您发现哪里有问题，希望能谅解并留言可以让我修改，谢谢。1.概要屁话少说，放码过来：X = np.array([ [0,0,1],[0,1,1],[1,0,1],[
转载
2023-10-12 10:18:56
88阅读
如何用9行Python代码编写一个简易神经网络学习人工智能时，我给自己定了一个目标－－用Python写一个简单的神经网络。为了确保真得理解它，我要求自己不使用任何神经网络库，从头写起。多亏了AndrewTrask写得一篇精彩的博客，我做到了！下面贴出那九行代码：在这篇文章中，我将解释我是如何做得，以便你可以写出你自己的。我将会提供一个长点的但是更完美的源代码。首先，神经网络是什么？人脑由几千亿由突
转载
2023-07-28 21:22:54
67阅读
1 import numpy as np
2
3 '''
4 前向传播函数：
5 -x ：包含输入数据的numpy数组，形状为（N,d_1,...,d_k）
6 -w ：形状为（D,M）的一系列权重
7 -b ：偏置，形状为（M，）
8
9 关于参数的解释：
10 在我们这个例子中输入的数据为
11 [[2,1],
12 [-1,1],
13
转载
2023-07-04 19:36:19
149阅读
深度学习基本概念 一、实验介绍 1.1 实验内容深度学习并没有你想象的那么难，本课程将会一边讲解深度学习中的基本理论，一边通过动手使用python实现一个简单的深度神经网络去验证这些理论，让你从原理上真正入门深度学习。深度学习中的一些最基本的概念，本次实验很重要，理解这些概念是继续深入学习的基础。 1.2 实验知识点如何让机器“学习”神经网络的概念有监督与无监督学习的区别回归与分类的区别损失函数
转载
2023-08-29 10:11:31
19阅读
最近在学习郑泽宇老师的《Tensorflow实战Google深度学习框架》，书中样例代码写的非常简洁、易懂，而且逻辑性很强，在这里进行记录一下。 以下样例代码使用tensorflow框架构建两层全连接神经网络，识别MNIST手写数字数据集。其中用到了一些优化方法：使用滑动平均模型控制权值参数的
转载
2023-12-06 14:52:36
90阅读
前向传播的线性函数线性函数。神经网络的层数，3层的神经网络其隐藏层为两层。以三层神经网络为例：h1=x.dot(w1)+b1,h2=h1.dot(w2)+b2，scores=h2.dot(w3)+b3批量归一化批量归一化这一步骤在线性函数和激活函数之间，将h1=x.dot(w1)+b1结果拿去激活函数之前进行批量归一化。相当于每一步前向传播都运用了数据预处理的操作，使得加速收敛。 sam
转载
2023-07-05 10:52:47
144阅读
神经网络(也称人工神经网络，ANN)算法是80年代机器学习界非常流行的算法，不过在90年代中途衰落。现在，携着“深度学习”之势，神经网络重装归来，重新成为最强大的机器学习算法之一。 人工神经网络（Artificial Neural Network，缩写ANN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。其来源于生物，故吴老先先
转载
2023-11-29 12:22:42
120阅读
一个 11 行 Python 代码实现的神经网络概要：直接上代码是最有效的学习方式。这篇教程通过由一段简短的 python 代码实现的非常简单的实例来讲解 BP 反向传播算法。代码如下： X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ])
y = np.array([[0,1,1,0]]).T
syn0 = 2*np.random.rand
转载
2024-04-12 23:27:33
223阅读
神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习技术。本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解
转载
2024-02-06 19:31:26
45阅读
from scipy.linalg import norm, pinv
from matplotlib import pyplot as plt
import numpy
class RBF:
def __init__(self, indim, numcenters, outdim):
self.indim = indim
self.outdim = o
转载
2023-06-30 17:40:27
94阅读
参考Python神经网络编程（Tariq Rashid著） Github MNIST 数据集MNIST数据集https://pjreddie.com/projects/mnist-in-csv/ 对于一个在上一章节刚刚制作完成的神经网络来说，最需要的就是大量的数据用于对网络进行训练找到合适的权重。上面的网站里搜集了很多手写数字的图像（28乘以28的矩阵一共784个值）。每个值的大小标注了其所对应的
转载
2023-09-04 10:24:26
120阅读
作者：[美]霍布森·莱恩，科尔·霍华德在学习神经网络之前，我们需要对神经网络底层先做一个基本的了解。我们将在本节介绍感知机、反向传播算法以及多种梯度下降法以给大家一个全面的认识。一、感知机数字感知机的本质是从数据集中选取一个样本（example），并将其展示给算法，然后让算法判断“是”或“不是”。一般而言，把单个特征表示为xi，其中i是整数。所有特征的集合表示为
，表示一个向量：
转载
2024-04-17 14:23:35
47阅读
BP神经网络模块bpMoudle.py
转载
2023-05-24 11:21:48
100阅读
神经元想一想便知道，当一个人捏你一下以至于你会痛得叫起来的力度便是神经元的阈值，而我们构建的时候也是把这种现象抽象成一个函数，叫作激活函数。而这里便是我们使用sigmoid函数的原因，它是一个很简单的函数，平滑更接近显示。 神经网络传递信号神经网络便是通过一个一个神经元连接，使用权值x输入的和在通过sigmoid函数得到最终的输出值，然后一层一层的传递下去。\[O = sigmoid(W\cdot
转载
2023-06-30 22:59:21
658阅读
# 如何实现Python神经网络代码
## 引言
神经网络是一种机器学习方法，它模拟人脑的神经元之间的连接。在Python中，我们可以使用各种库来实现神经网络。本文将介绍实现Python神经网络代码的步骤和相关代码示例。
## 流程图
```mermaid
flowchart TD;
A[数据准备] --> B[构建模型];
B --> C[模型编译];
C --> D
原创
2023-11-15 14:04:24
83阅读
引言从理论上讲，感知机和激活函数的组合可以拟合任意函数。本文利用神经网络拟合一个初等函数。语言与外部库使用python语言，涉及的外部库有：keras 简明神经网络框架math 标准数学库numpy 大型数组计算支持matplotlib 绘图工具包拟合目标目标函数为一个自定义初等函数，代码如下：def my_function(x):
def f(x):
if x
转载
2023-07-28 08:21:52
147阅读
运行环境搭建：参考《VS2013安装OpenCV4.1版本并搭建一个小程序》基于OpenCV4.1.0中neural_network.cpp的例子代码。参考了《OpenCV3【神经网络】ANN_MLP》中的部分代码和注释内容。BP神经网络原理可参考《置顶 | 2019书单》中机器学习入门部分：神经网络算法：（以后向传播神经网络为例：Back Propagation）分为一个输入层（神经元数量与特征
转载
2023-12-06 12:04:24
33阅读
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据集
mnist = input_data.read_data_sets("MNIST_data/",one_hot=True)
#输入的图片是28*28
n_inputs=28 #输入一行，一行有28个数据
max_ti
转载
2020-03-22 00:29:00
164阅读
卷积神经网络（LeNet）附代码LeNet 模型代码描述获取数据和训练小结 LeNet 模型LeNet 模型分为卷积层和全连接层两个部分。下面我们分别介绍： 卷积层块里的基本单位是卷积层后接最大池化层：卷积层用来识别图像里的空间模式，例如线条和物体局部，之后的最大池化层则用来降低卷积层对位置的敏感性。卷积层块由两个这样的基本单位重复堆叠构成。在卷积层快中，每个卷积层都用5×5的窗口，并在输出上使
转载
2023-10-10 11:39:07
41阅读
神经网络一、人工神经网络人工神经网络(Artificial Neural Network,ANN),基本思想是模拟人脑的神经网络进行机器学习人工神经 is 深度学习的基础简称为神经网络或神经计算1. 神经网络结构是一种仿生的方法，科研适应复杂模型的启发式学习技术2. 一个神经元的结构神经元的结构包括植入值（x1,x2,…,xn）,权重（w1,w2,…,wn）以及偏移量b。输出值为$y = f(\s
转载
2023-08-11 19:50:17
288阅读
