lankuohsing

1. 前馈神经网络基础教程 1.1. 概述 以监督学习为例，假设我们有训练样本集$(x(^i),y(^i))$，那么神经网络算法能够提供一种负责且非线性的假设模型$h_{W...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 线性回归模型 （本章内容是后续logistic回归和softmax回归的基础） 给定数据集$D={(\mathbf{x...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 感知机与SVM 1. 超平面 在介绍感知机与SVM之前，我们有必要补充一下超平面的概念。 超平面是具有下面形式的点的集...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 Softmax回归详解 在softmax回归中，我们解决的是多分类问题（相对于logistic回归解决的二分类问题），...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1. 如何判断链表是否有环？ 思路是让两个指针slow和fast同时从链表头出发遍历链表，fast的速度是slow的两...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 由于TensorFlow版本众多，不同版本之间差异比较大，有时我们需要在自己的电脑上安装多个版本的TensorFlow...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 Introduction to RNN 在传统的前馈神经网络中，我们假定所有的输入（和输出）相互之间都是独立的。因此，...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 4.单层神经网络示例代码 网络结构见图3.1 请点击下面的超链接跳转至github页面： 用logistic回归实现一...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 本文是深度学习入门教程序列的第一篇，通过介绍logistic回归的原理，进而引入一层神经网络的前向传播和后向传播公式，...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 $tanh(z)=\frac{e^z-e^{-z}}{e^z+e^{-z}}$效果严格地比$sigmoid$函数好，因...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1. Mini-batch decent方法 1.1. Batch vs. mini-batch Batch：利用矢量...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 Adding regularization will often help To prevent overfittin...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 简要概括：对每层的激活函数都进行标准化。可以对$z^{[l]}$或者$a^{[l]}$进行标准化，其中前者更常见。 1...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1. Orthogonalization(正交化) 正交化的思想就是，每个输入单独控制一个属性，不要让一个输入同时控制...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 将神经网络应用到多类分类问题中时，输出层的形式不能用logistic函数（sigmoid激活函数），而应该推广到sof...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 8. 卷积神经网络的一个完整例子 一个完整的卷积神经网络模型： 9. Pooling layer（池化层） Max p...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1. 计算机视觉（Computer Vision）领域介绍 图片分类(Image Classification)、目标...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 9 输入输出 9.1 异常处理 9.1.1 异常的基本概念 又称为例外，是特殊的运行错误对象 java中声明了很多异常...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 7. 类的继承 Object类是所有类的直接或者间接的超类。，也即每个类都直接或者间接地继承了Object类。 7.1...

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 4. 基本数据类型与表达式 文字量：也叫文字常量，例如3.1415926 字符串采用Unicode编码 数据类型包括：...