什么是神经网络？ 在我们开始之前与如何建立一个神经网络，我们需要了解什么第一。 神经网络可能会让人感到恐惧，特别是对于新手机器学习的人来说。但是，本教程将分解神经网络的工作原理，最终您将拥有灵活的神经网络。让我们开始吧！ 了解过程 拥有大约100亿个神经元，人类大脑以268英里的速度处理数据！实质上 ...
分类：
其他好文 时间：
2018-06-24 17:00:05
阅读次数：
166
使用Tensorflow实现一个简单的神经网络 输入数据： 输入数据的形状是[300, 1]， 也就是每个元素有一个特征，所以输入神经元是一个。 隐藏层： 输出神经元10个。输出数据会成为[300, 10]的形状。也就是300个元素，每个元素的特征变成了10个。 激活函数使用Relu 输出层： 输出 ...
分类：
其他好文 时间：
2018-06-24 16:11:26
阅读次数：
141
在第一节中我们了解到，神经元不是单纯线性的，线性函数是只要有输入x，必定会有一个输出y与之对应，而神经元接收到信号不会马上做出响应，它会等待输入信号强度增大到超过阈值才会有输出，这就好比往杯子中倒水，只有水超过杯子的上边缘才会溢出来。 ...
分类：
其他好文 时间：
2018-06-15 15:50:18
阅读次数：
160
基于因子分解的隐层变量学习，应用于短语句语种识别模型的自适应 LFVs（Language Feature Vectors，语种特征向量）[11]，与BSVs（Bottleneck Speaker Vectors）类似，即瓶颈特征 3.1. 神经元调制 由于说话人特性的变化反映在语音信号中，因此将表示... ...
分类：
其他好文 时间：
2018-06-07 21:59:16
阅读次数：
137
https://blog.csdn.net/danyhgc/article/details/73850546 1. 什么是激活函数 如下图，在神经元中，输入的 inputs 通过加权，求和后，还被作用了一个函数，这个函数就是激活函数 Activation Function。 2. 为什么要用 如果不 ...
分类：
其他好文 时间：
2018-06-07 19:22:42
阅读次数：
562
1、卷积神经网络中卷积的核心意义是什么？每一组卷集合 权重是一个抽特征的滤波器， 从卷集核的角度抽取特征2、卷积神经网络很好的特性参数共享机制每一个神经元固定一组a x b x c（图像的通道数） 的参数w ，因此每一层网络的参数是 a x b x c x depth(神经元个数)；a x b 代表 ...
分类：
其他好文 时间：
2018-06-05 23:25:15
阅读次数：
200
1. 参数(parameters) 可以通过学习得到的变量，比如权重和偏置 2. 超参数(hyperparameters) 根据经验进行设定，影响到权重和偏置的大小，比如迭代次数、隐藏层的层数、每层神经元的个数、学习速率等 ...
分类：
其他好文 时间：
2018-06-05 11:34:17
阅读次数：
115
（1）激活函数 激活函数（Activation function）并不是指这个函数去激活什么，而是指如何把“激活的神经元的特征”通过函数把特征保留映射出来。对输入信息进行非线性变换。 线性模型的最大特点是任意线性模型的组合仍然还是线性模型。只通过线性模型，任意层的全连接神经网络和单层神经网络模型的表 ...
分类：
其他好文 时间：
2018-05-31 00:35:31
阅读次数：
190
一：适用范围： tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数，它一般用在全连接层 二：原理： dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，也不参加神经网络的计算。但 ...
分类：
其他好文 时间：
2018-05-27 17:14:08
阅读次数：
439
Recurrent Neural Network是在单个神经元上，除了输入与输出外，添加了一条Recurrent回路。如下图左侧，将前一时刻神经元的输出状态s，作为下一时刻的一个输入值，加权并入输入U中。这一操作使得，某一时刻神经元的输出状态s，依赖于之前各个时刻的状态st-1,st-2,...,s ...
分类：
Web程序 时间：
2018-05-26 10:42:24
阅读次数：
160
