一提到人工神经网络应当想到三个基础的知识点：一是神经元模型；二是神经网络结构；三是学习算法。神经网络的种类多种多样，但其分类依据逃不出上面上个基础知识点。所以在学习中如果能够仅仅把握住以上三个线索，就能触类旁通，拥有一个非常好的视角看待神经网络。今天就对这三个基础知识点进行总结，达到指导神经网络学习以及深化对神经网络的理解的目的。
一、神经元模型
人工神经网络是在现代神经生物学研究基础上提出的...
分类：
其他好文 时间：
2015-08-14 19:21:00
阅读次数：
255
在开发项目工程中，尤其是手机APP,一般都是先把界面给搭建出来，然后再从网上down数据 来填充
那么网上的数据是怎么得来的呢，网络上的数据无非就常用的两种JSON和XML
现在 大部分都是在用JSON
网络上传输数据都是以二进制形式进行传输的 ，只要我们得到网上的二进制数据
如果它是JSON的二进制形式 那么我们就可以用JSON进行解析 如果是XML，那么我们可以用XML解析
关...
分类：
移动开发 时间：
2015-08-13 22:24:05
阅读次数：
202
科学技术的迅猛发展、人口的增长、发展不均衡，导致当前传统教育、教育信息化面临诸多挑： 1、优质资源不均衡，网络学习途径欠缺，教学模式单一，学习主要靠讲课和阅读，获取不到优质资源，缺乏互动交流； 2、传统远程培训缺乏临场感和学习氛围，学生参与度低，缺乏实时沟通。 针对上述问题，佰锐AnyChat推出....
分类：
其他好文 时间：
2015-08-13 15:43:46
阅读次数：
118
既然本节是学习如何使用多线程下载，那我们先要明白什么是多线程下载，在搞明白什么是多线程下载之前，需要先知道什么是单线程下载。
上图就是说明了单线程下载的原来，因此单线程下载速度很慢，因为只有一个任务在干活。
这样的话，3个线程下载一个文件，总比1个线程一个文件的速度要快。所以多线程下载数据的速度就快。
既然知道了多线程的下载原理，那我们就分析多个线程是如何下载数据，以及如何保存数据的...
分类：
移动开发 时间：
2015-08-11 18:47:26
阅读次数：
211
首先需要搭建一个Tomcat服务器，然后测试服务器上的图片使用PC上的浏览器是否可以正常下载下来
可以看到服务器上的图片数据是可以正常访问的。图片的地址：http://localhost:8080/meinv.jpg
那如何在我们Android上从网络下载图片呢？...
分类：
移动开发 时间：
2015-08-07 19:48:10
阅读次数：
115
对于RBF神经网络的原理已经在我的博文《机器学习之径向基神经网络（RBF NN）》中介绍过，这里不再重复。今天要介绍的是常用的RBF神经网络学习算法及RBF神经网络与多层感知器网络的对比。
一、RBF神经网络学习算法
广义的RBF神经网络结构如下图所示：
N-M-L结构对应着N维输入，M个数据中心点centers，L个输出。
RBF 网络常用学习算法
RBF 网络的设计包括结...
分类：
编程语言 时间：
2015-08-07 11:10:30
阅读次数：
370
本文基于台大机器学习技法系列课程进行的笔记总结。
主要内容如下图所示：
首先介绍一下径向基函数网络的Hypothesis和网络的结构，然后介绍径向基神经网络学习算法，以及利用K-means进行的学习，最后通过一个实例加深对RBF神经网络认识和理解。
RBF神经网络的Hypothesis和网络结构
我们从基于Gaussian kernel的support vector mac...
分类：
其他好文 时间：
2015-07-17 09:50:54
阅读次数：
249
一、网络学习资源官方网站：https://facebook.github.io/react/index.html中文社区：http://reactjs.cn/阮一峰文章：http://www.ruanyifeng.com/blog/2015/03/react.html百度文库：http://wenk...
分类：
Web程序 时间：
2015-07-10 18:48:20
阅读次数：
515
在上篇《CNN卷积神经网络学习笔记2：网络结构》中，已经介绍了CNN的网络结构的详细构成，我们已经可以初始化一个自己的CNN网络了，接下来就是要用训练得到一个确定的CNN的模型，也就是确定CNN的参数。
CNN本质上就是人工神经网络的一种，只是在前几层的处理上有所不同，我们可以把卷积核看成是人工神经网络里的权值W，而采样层实质上也是一种卷积运算。所以可以基于人工神经网络的权值更新的方法来...
分类：
其他好文 时间：
2015-07-06 12:15:58
阅读次数：
5035
这篇笔记中，通过一个简单的CNN的例子，梳理一下CNN的网络结构的细节。
以下是一个6层的CNN网络，我们输入的是一张大小为28*28的图片。
需要注意的有：
1，这里输入的是一张图片，如果我们输入了50张图片，那么下图中的每一个方框（代表一种特征图）实际上代表了50张图片。
2，在S3和S5的采样层只做了mean pooling，其实一般还会有加偏置和激活的操作，这个CNN网络比较简单，...
分类：
其他好文 时间：
2015-07-05 21:18:32
阅读次数：
1626
