1 基本概念神经网络也是机器学习的一种实现，可以应用在有监督学习和无监督学习，因为中间可以有较多层，所以属于深度学习方法。神经网络的名字很唬人，其实概念挺朴素的，是由含一个输入层，一个输出层和若干隐藏层构成的有向无环图(这名字也唬人)，看图像一目了然。为啥叫隐藏层呢，就是因为和输入输出没关系，看不见，有点儿神秘。每层的每个结点借助生物的概念称为神经元，各层之间神经元相互链接。2 神经网络训练过程算
转载
2024-03-07 11:49:58
42阅读
原文：A Quick Introduction to Neural Networks人工神经网络（ANN）的灵感来自于人脑生物神经网络处理信息的方式。人工神经网络在很多机器学习研究和行业里都取得了很好的成绩（在那个时候来说），包括语音识别、计算机视觉、文字处理方面。本文将尝试理解一种特殊的人工神经网络，称为多层感知器（Multi Layer Perceptron）。A Single Ne
转载
2023-12-29 16:18:23
74阅读
人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题， 神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数， 并使用该函数进行预测， 网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题， 如果你已经了解了神经网络的工作原理可以在http
转载
2024-03-11 15:18:38
162阅读
卷积神经网络框架之ALXE网络原文：ImageNet Classification with Deep Convolutional Neural Networks简述： 本文训练了截止当时为止最大卷积神经网络，并有效的减少测试错误率，进而提出了一种神经网络模型框架。本文提出Alexnet网络模型，该模型由5个卷积层，多个最大池化层和3个全连接层组成，并有效提出“dropout”正则方法以抑制过拟合
转载
2023-12-04 14:52:32
95阅读
本文是我关于论文《Reasoning With Neural Tensor Networks for Knowledge Base Completion》的学习笔记。一、算法简介网络的结构为：$$g(e_1,R,e_2)=u^T_Rf(e_1^TW_R^{[1:k]}e_2+V_R\begin{bmatrix} e_1 \\ e_2 \\ \end{bmatrix}+b_R)~~~~~~~~~~~
转载
2023-12-05 08:52:40
132阅读
卷积神经网络（LeNet） 注意：当GPU和显示器相连时，对每个GPU函数的运行有几秒的限制，因为当GPU进行计算时无法与显示器相连。如果不做限制，显示冻结较长时间而使人误以为是电脑死机。可以通过降低批次规模来解决超时问题。诱因 卷积神经网络（CNN）是MLP的仿生变异。从Hubel and Wiesel早期关于猫的视觉皮质研究，我们知道视觉皮质由一系列细胞通过复杂的排列组成。这些细胞对于视觉域的
转载
2023-12-26 20:57:36
116阅读
了解神经网络工作方式的最佳途径莫过于亲自创建一个神经网络，本文将演示如何做到这一点。神经网络(NN)又称人工神经网络(ANN)，是机器学习领域中基于生物神经网络概念的学习算法的一个子集。拥有五年以上经验的德国机器学习专家Andrey Bulezyuk声称：“神经网络正在彻底改变机器学习，因为它们能够在广泛的学科和行业中为抽象对象高效建模。”人工神经网络基本上由以下组件组成：输入层：接收并传递数据隐
转载
2023-07-08 10:42:27
166阅读
github：代码实现之神经网络
本文算法均使用python3实现1. 什么是神经网络 人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN）或类神经网络，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。
神经网络主要由：输入层，隐藏层，输出层构
转载
2018-06-15 10:30:00
61阅读
1. 导入所需的库import tensorflow as tf
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
for i in [tf, pd, sns]:
print(i.__name__,": ",i.__version__,sep="")输出：tensorflow: 2.2.0
转载
2023-09-03 15:19:39
398阅读
其实各大深度学习框架背后的原理都可以理解为拟合一个参数数量特别庞大的函数，所以各框架都能用来拟合任意函数，Pytorch也能。在这篇博客中，就以拟合y = ax + b为例（a和b为需要拟合的参数），说明在Pytorch中如何拟合一个函数。一、定义拟合网络1、观察普通的神经网络的优化流程# 定义网络
net = ...
# 定义优化器
optimizer = torch.optim.Adam(ne
转载
2023-10-18 19:49:36
612阅读
神经网络包含一层输入层，一层隐含层，一层输出层，且都是三维向量 通过梯度下降法实现对神经网络的训练import numpy as np
X = np.array([[1, 1, 1, 1],
[1, 1, 0, 1],
[1, 0, 1, 1]], dtype=float)
Y = np.array([[1, 0, 0], [1, 0, 0]
转载
2023-06-16 16:31:16
63阅读
、一、前言C++课程设计中有用到神经网络预测模型，网上参考代码很多，但是大部分无法运行或与我的目标不一致。所以我重新写了一个能用的，下面提供完整的C++工程。 可以进入顶部参考链接了解详细原理和公式推导过程。参考链接使用Python语言，由于课程设计要求，我按照源码思路用C++重写了一遍，包括一个前馈神经网络和一个带时间步长的神经网络（简单的RNN），如下图。 实验发现，普通的前馈网络预测效果较差
转载
2023-09-04 21:00:26
0阅读
PyTorch学习笔记（16）–在GPU上实现神经网络模型训练 本博文是PyTorch的学习笔记，第16次内容记录，主要介绍如何在GPU上实现神经网络模型训练。 目录PyTorch学习笔记（16）--在GPU上实现神经网络模型训练1.为什么要用GPU1.1GPU是什么1.2用GPU训练网络模型的好处2.如何用GPU训练神经网络模型2.1代码修改方法12.1代码修改方法23.学习小结 1.为什
转载
2023-11-24 22:51:08
244阅读
在前面，我们使用了单层神经网络实现了对鸢尾花数据集的分类， 下面，将使用多层神经网络来实现对鸢尾花数据集的分类。第一层是输入层到隐含层，相应的权值矩阵为 W1 ， 隐含层中的阈值是 B1 ，隐含层的输出是： 假设增加的隐含层中有 16 个神经元（结点），那么 B1 的形状就是 （16，），因为输入层中有四个结点，因此， W1 的形状是 （4，16），第二层是隐含层到输出层， 从隐含层到输出层的权值
转载
2023-09-04 14:33:09
176阅读
搭建多隐层神经网络其实就是在单隐层神经网络的基础上多加了几层隐藏层，此次作业将用python实现L层神经网络的搭建；其中前L-1层使用Relu激活函数，最后一层使用sigmoid激活函数。此次作业分为以下几部分：模型搭建训练模型测试模型用自己的图片做测试实验所需文件：链接：https://pan.baidu.com/s/151BNM_gcKvKVPz14bJmpQg 提取码：06mg准
转载
2023-10-16 12:01:37
76阅读
该程序的功能是实现三层BP神经网络； 其中输入层有三个神经元，隐藏层有四个神经元，输出层有三个神经元； 程序的目的是随机生成一个（3,1）的矩阵，然后定义标签为（0,1,0），通过前向传导和反向传导，最终输出的结果接近标签值。 生成的数据用X表示 两层权重参数分别用W1，W2表示 两层偏置参数分别用b1,b2表示 隐藏层节点的输入为layer1,输出为layer1_out 输出层节点的输入为lay
转载
2023-07-01 12:00:23
133阅读
1.神经网络的概念 如图所示，是一个全连接的三层神经网络（Input、Hidden、Output）。可以简单的认为，神经网络是一个黑盒子，我们通过输入，最终得到想要的输出。 但是盒子内如何运算，就涉及到神经网络的设计和调整，这里先给出整体概念（我们通过给出输入，通过层与层之间的权重计算，得到第一
转载
2023-11-02 22:43:31
55阅读
卷积神经网络(CNN)一、简介 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。 一维卷积神经网络常
转载
2023-06-13 21:55:15
998阅读
神经网络是一种模仿人类神经系统结构的机器学习算法，用于解决各种任务，如图像分类、自然语言处理等。以下是使用Python中的tensorflow库实现一个简单的神经网络的基本示例，以图像分类为例：import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import
原创
2023-08-15 16:27:21
147阅读
思考：如何刻画不同神经网络模型的效果并且进行目标优化呢？损失函数（loss function）经典损失函数监督学习的两大类：分类问题回归问题分类问题解决的问题： 将不同的样本分到事先定义好的类别中。如何用神经网络解决分类问题方法： 设置 n 个输出节点，其中 n 为类别的个数。对于每一个样例，神经网络可以得到一个 n 维数组作为输出结果。数组中的每一个维度（即每一个输出节点）对应一个类别。理想情况
转载
2024-04-22 14:10:15
99阅读
