具有感知、学习、推理和解决问题等认知功能的机器被认为拥有人工智能。 当机器具有认知能力时，人工智能就产生了。人类在相关领域的能力是人工智能的衡量标准。 弱人工智能 弱人工智能执行特定任务，甚至比人类做得更好，例如，围棋人工智能AlphaGo。弱人工智能是目前人工智能的主要研究领域。 强人工智能 强人 ...
分类：
其他好文 时间：
2020-06-23 17:31:18
阅读次数：
119
本章我们将从生物神经元开始学习人工神经网络。 生物神经元 哺乳动物的大脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞。神经元参与处理和传递化学信号和电信号，它们接受信号输入，在细胞核中处理信号，如果信号强度大于某个阈值，就会把信号输出。 人类的大脑可以学习识别物体。例如，婴儿多次看到椅子，并听 ...
分类：
其他好文 时间：
2020-06-23 17:10:57
阅读次数：
48
1.百面机器学习中的讲解 Dropout是指在深度网络的训练中， 以一定的概率随机地 “临时丢弃”一部分神经元节点。 相当于每次迭代都在训练不同结构的神经网络。 类比于Bagging方法， Dropout可被认为是一种实用的大规模深度神经网络的模型集成算法。 因此， 对于包含N个神经元节点的网络， ...
分类：
其他好文 时间：
2020-06-21 22:54:25
阅读次数：
60
1. 神经网络与CNN的异同点 传统的神经网络的神经元、参数比较多，而CNN可以大大简化神经元和参数的数量。但计算量要大大的提高。 传统神经网络采用的是f(x) = wx+b。但CNN中虽保留了层级式的网络结构，但不同层次有不同的形式，即运算和功能。输出时做归一化，转化成概率向量，让CNN能最终知道 ...
分类：
编程语言 时间：
2020-06-19 16:08:14
阅读次数：
62
5.1 Cross-Entropy Cost 上节实现了一个简单的神经网络所需要的所有function，包括梯度下降算法，BP算法等，利用python实现最简单的神经网络。从本节课开始介绍另外一种cost function。 我们理想情况是让神经网络学习更快。 假设简单模型：只有一个输入、一个神经元 ...
分类：
编程语言 时间：
2020-06-13 23:19:15
阅读次数：
82
1.简述人工智能、机器学习和深度学习三者的联系与区别。 人工智能最大，根本在于智能；机器学习次之，机器学习是实现人工智能的一种方法；深度学习最后，但深度学习是实现机器学习的一种核心技术。 2. 全连接神经网络与卷积神经网络的联系与区别。 卷积神经网络中的每一个节点就是一个神经元。在全连接神经网络中， ...
分类：
其他好文 时间：
2020-06-09 09:15:58
阅读次数：
48
反向传播（BPN）算法是神经网络中研究最多、使用最多的算法之一，它用于将输出层中的误差传播到隐藏层的神经元，然后用于更新权重。学习 BPN 算法可以分成以下两个过程： 正向传播：输入被馈送到网络，信号从输入层通过隐藏层传播到输出层。在输出层，计算误差和损失函数。 反向传播：在反向传播中，首先计算输出 ...
分类：
编程语言 时间：
2020-06-08 18:50:29
阅读次数：
84
动作电位（Action potential, AP）：由单个神经元细胞膜的脉冲信号产生 局部场电位（Local field potential, LFP）：代表电极的局部区域神经元电信号的总和 皮质脑电（Electrocorticography, ECoG)：与局部场电位类似，但是只能记录皮层表面的 ...
分类：
其他好文 时间：
2020-06-06 11:03:40
阅读次数：
140
1.简述人工智能、机器学习和深度学习三者的联系与区别。 机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。 2. 全连接神经网络与卷积神经网络的联系与区别。 卷积神经网络也是通过一层一层的节点组织起来的。和全连接神经网络一样，卷积神经网络中的每一个节点就是一个神经元。在全连接神经网 ...
分类：
其他好文 时间：
2020-06-05 09:12:37
阅读次数：
66
1.简述人工智能、机器学习和深度学习三者的联系与区别。 2. 全连接神经网络与卷积神经网络的联系与区别。 全连接神经网络和卷积神经网络中的每一个节点就是一个神经元。 在全连接神经网络中，每相邻两层之间的节点都有边相连，于是会将每一层的全连接层中的节点组织成一列，这样方便显示连接结构。而对于卷积神经网 ...
分类：
其他好文 时间：
2020-06-02 09:16:22
阅读次数：
53
