以上仅给出了代码。具体BP实现原理及神经网络相关知识请见：神经网络和反向传播算法推导
首先是前向传播的计算：
输入:
首先为正整数 n、m、p、t,分别代表特征个数、训练样本个数、隐藏层神经元个数、输出
层神经元个数。其中(1
随后为 m 行,每行有 n+1 个整数。每行代表一个样本中的 n 个特征值 (x 1 , x 2 ,..., x n ) 与样本的
实际观测结果 y。特...
分类：
编程语言 时间：
2015-06-08 11:40:57
阅读次数：
145
线性回归容易出现过拟合或欠拟合的问题。局部加权线性回归是一种非参数学习方法，在对新样本进行预测时，会根据新的权值，重新训练样本数据得到新的参数值，每一次预测的参数值是不相同的。权值函数：t用来控制权值的变化速率（建议对于不同的样本，先通过调整t值确定合适的t）不同t值下的权值函数图像：局部加权线性回...
分类：
其他好文 时间：
2015-06-07 18:41:19
阅读次数：
4194
优化的边界分类器
上一讲里我们介绍了函数边界和几何边界的概念，给定一组训练样本，如果能够找到一条决策边界，能够使得几何边界尽可能地大，这将使分类器可以很可靠地预测训练样本，特别地，这可以让分类器用一个“间隔”将正负样本分开。
现在，我们假设给定的一组训练样本是线性可分的，即有可能找到这样一条分界面，将正负样本分开。如何找到这样一个分界面可以使得几何边界最大？我们将这个优化问题用如下的表达式给出...
分类：
系统相关 时间：
2015-06-05 15:52:27
阅读次数：
242
学习笔记：Caffe上配置和运行MNISTMNIST，一个经典的手写数字库，包含60000个训练样本和10000个测试样本，图片大小28*28，在Caffe上配置的第一个案例1首先，获取minist的数据包。 这个版本是四个数据包cd $CAFFE_ROOT./data/mnist/get_mnis...
分类：
其他好文 时间：
2015-06-05 08:44:33
阅读次数：
5089
支持向量机是一种通用的前馈网络类型。
主要思想：
给定训练样本，支持向量机建立一个超平面作为决策面，使得正例和反例之间的间隔边缘被最大化。...
分类：
其他好文 时间：
2015-06-03 21:32:18
阅读次数：
108
6.1引言线性分类在解决很多问题是取得的最小误差率还显得不够！一个精确选择的非线性函数，可以得到任意判决边界。但主要的困难是如何选择非线性函数。一个完备的基函数可能得到较好的效果，但可能会有太多的参数需要估计，而训练样本总是有限的！再或者我们可能有先验知识引导我们选择非线性函数，但如果缺少这些信息，...
分类：
其他好文 时间：
2015-05-19 00:28:48
阅读次数：
126
KNN是最简单的机器学习算法之一。在模式识别中，K-近邻算法（或近邻的简称）是一种用于分类和回归的非参数方法。[1]在这两种情况下，输入包含k个最近的训练样本在特征空间中。输出取决于近邻是用于分类或回归：l在kNN分类中，输出的是一个分类的关系。一个对象是由其邻居投票进行分类，被分类到最近的K个最近...
分类：
编程语言 时间：
2015-05-18 16:30:21
阅读次数：
781
在 ArcGIS Spatial Analyst 扩展模块中，多元分析工具集提供了用于监督分类和非监督分类的工具。影像分类工具条提供了一个用户友好的环境，可创建监督分类中使用的训练样本和特征文件。最大似然法分类工具是主要的分类方法。识别类别及其统计数据的特征文件是此工具的必需输入。...
分类：
其他好文 时间：
2015-05-08 14:58:25
阅读次数：
166
【原创】Liu_LongPo 转载请注明出处
【CSDN】http://blog.csdn.net/llp1992在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合 {x(1),x(2),x(3),...x^{(1)},x^{(2)},x^{(3)},...},其中 x(i)∈Rx^{(i)}\in R自编码神经网络是一种无监督学习算法，它使用了反向传...
分类：
编程语言 时间：
2015-05-08 14:53:35
阅读次数：
200
在监督分类中，需创建训练样本来表示类。在多维属性空间中，不同的类应相互隔开。如果某些类互相重叠，可考虑将重叠的类合并为一个类。为检查训练样本的分离程度和分布情况，训练样本管理器 提供了三种评估工具：直方图 窗口、散点图 窗口和统计数据 窗口。可通过管理器上的按钮访问这些工具。...
分类：
其他好文 时间：
2015-05-07 18:54:16
阅读次数：
163
