coderpai

机器学习目前已经成为了一个非常热门的技术，但是对于数据的预处理对于初学者还是有一定的陌生。在我们实际的项目中，数据的预处理工作和机器学习算法同样重要。只有对数据有一个很好的预处理工作，我们才能得到比较好的算法结果。 本场 Chat 中，我们主要来讲数据预处理的其中一种方法——数…

1. 论文摘要 在这篇文章中，作者提出了一个神经网络架构用来对股票价格进行预测，使用的数据源是股票的一些技术分析指标。首先，作者开发了一个将金融股票序列数据转化成一系列买卖的信号，也就是制作模型训练集和测试集。然后，在所有道指股票上面进行学习（时间从 1997 年到 2007 …

TensorFlow提供了一些操作，你可以使用基本的算术运算符添加到你的图表。 解释：这个函数返回x与y逐元素相加的结果。 注意：tf.add操作支持广播形式，但是tf.add_n操作不支持广播形式。 x: 一个Tensor，数据类型是必须是以下之一：float32，float…

TensorFlow提供了一些操作，你可以用它来执行常见的数学运算，以此减少张量的维度。 解释：这个函数的作用是计算指定维度的元素总和。 沿着给定的reduction_indices维度，累加input_tensor中该维度的元素，最后返回累加的值。如果keep_dims = …

对于多维稀疏数据，TensorFlow提供了稀疏张量表示。稀疏张量里面的值都是采用IndexedSlices索引来表示，这样能更加高效的表示数据。 解释：这个函数的作用是表示一个稀疏张量。 Tensorflow使用三个密集张量：indices，values，dense_shap…

在神经网络中，我们有很多的非线性函数来作为激活函数，比如连续的平滑非线性函数（sigmoid，tanh和softplus），连续但不平滑的非线性函数（relu，relu6和relu_x）和随机正则化函数（dropout）。 所有的激活函数都是单独应用在每个元素上面的，并且输出张…

该教程将介绍如何入门神经网络，一共包含五部分。你可以在以下链接找到完整内容。 在先前的教程中，我们已经使用学习了一个非常简单的神经网络：一个输入数据，一个隐藏神经元和一个输出结果。在这篇教程中，我们将描述一个稍微复杂一点的神经网络：包括一个二维的输入数据，三维的隐藏神经元和二维…

稀疏自编码器可以看做是自编码器的一个变种，它的作用是给隐藏神经元加入稀疏性限制，那么自编码神经网络即使在隐藏神经元数量较多的情况下任然可以返现输入数据中一些有趣的结构。 稀疏性可以被简单地解释为：如果当神经元的输出接近于1的时候我们认为它被激活，而输出接近于0的时候认为它被抑制…

在大多数的神经网络教科书中，神经网络一般都会使用 y = WX+B 或者 y = XW+B 的形式。但是在 tensorflow 或者 theano 中，神经网络的实现都是采用了 y = XW+B 的形式。这是为什么呢？我花了很多的时间去查找资料，最后发现一点，可能是 y = …