文档教程

神经网络:多层网络与C++实现

一、引言 在 前一 篇 关于神经网络的文章中,给出了神经网络中单个神经元的结构和作用原理,并且用梯度下降的方法推导了单个SIMGOID单元的权值更新法则。在文章的最后给了一个例

ML 02、监督学习

机器学习 算法原理、实现与实践监督学习 机器学习包括监督学习、非监督学习、半监督学习及强化学习,这里先讨论监督学习。 监督学习的任务是学习一个模型,使模型能够对任意给

ML 07、机器学习中的距离度量

机器学习 算法 原理、实现与实践 距离的度量 1. 欧氏距离 欧氏距离是最常见的两点之间或多点之间的距离表示法,又称之为欧几里得度量,它定义于欧几里得空间中,如点 和 之间的距

CNN——架构上的一些数字

前面说了很多关于CNN的数值上的事,下面我们来看看网络架构。网络架构也是CNN的一个核心部分,由于CNN的特点是它的深度,所以深度模型的网络架构给了人们无数的想象,于是也有了

CNN--两个Loss层计算的数值问题

写在前面,这篇文章的原创性比较差,因为里面聊的已经是老生长谈的事情,但是为了保持对CNN问题的完整性,还是把它单独拿出来写一篇了。已经知道的童鞋可以忽略,没看过的童鞋

Caffe源码阅读——Net组装

最近忙着看TI没有及时写文章,今天赶紧补一篇 Net是Caffe代码中一个比较核心的类,往下看它封装了所有的Layer,构建起了整个神经网络;往上看它对外提供了前向后向计算,以及核心数

神经网络-全连接层(3)

上一回我们聊完了算法,这回我们正式开始写代码。上回在做公式推导的时候,我们实际上只是针对一个数据样本进行推导,而实际中,计算和训练都是一批一批完成的。大多数机器学

神经网络-全连接层(1)

接下来聊一聊现在大热的神经网络。最近这几年深度学习发展十分迅速,感觉已经占据了整个机器学习的半壁江山。各大会议也是被深度学习占据,引领了一波潮流。深度学习中目前最

浅谈推荐系统基础

这篇文章的技术难度会低一些,主要是对推荐系统所涉及到的各部分内容进行介绍,以及给出一些推荐系统的常用算法,比起技术,产品色彩会强不少。参考了《长尾理论》、《推荐系

CRF as RNN的原理及Caffe实现

CRF(Conditional Random Field)是图像分割中很常用的后处理算法。在《全卷积网络(FCN)与图像分割 》这篇博文中提到,FCN可以得到较好的分割结果,Chen, Liang-Chieh, et al. 2014在其基础上使用

ML 05、分类、标注与回归

机器学习 算法 原理、实现与实践 分类、标注与回归 1. 分类问题 分类问题是监督学习的一个核心问题。在监督学习中,当输出变量YY取有限个离散值时,预测问题便成为分类问题。 监

人工智能的应用领域

人工智能(Artificial Intelligence) 主要在研究如何以电脑的程式技巧,来执行一些由人类执行时,需要智能才能完成的工作。所以前述这些都属于人工智能的范围,但是实行起来的困难度颇

ML 01、机器学习概论

机器学习 原理、实现与实践 机器学习 概论 如果一个系统能够通过执行某个过程改进它的性能,这就是学习。 Herbert A. Simon 1. 机器学习是什么 计算机基于数据来构建概率统计模型并运

Logistic回归

假设表示 S形功能或逻辑功能: 假设函数: 这是什么意思? 概率y = 1,给出x,由参数化 成本函数 向量化表示: 梯度 综合上两式: 向量化表示 当j=0时 当j0时 #!/usr/bin/env python2 # -*- c

Waffles——机器学习开发包

Waffles是一款跨平台的、基于命令行的 机器学习 开发包,包含了现有的主要机器学习 算 法 ,完全开源,用 C++ 编写,使用方便。 该工具包的强大之处非常多,很重要的一个方面就是其

  • 首页
  • 1
  • 2
  • 下一页
  • 末页