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$h_{W,b}(x)$，它具有参数$

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}1,y_1),(\math

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合： $$ {x|a^Tx=

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），标记$y$可以取$k$个不同

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的两倍（为简单起见我们可以让sl

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，如何安装使它们相互不影响呢

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，前馈神经网络不能记住最近的历

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回归实现一层神经网络用来识别猫的图片

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，并提供了示例代码。 1.lo