1. 第i层网络 Z[i] = W[i]A[i-1] + B[i]，A[i] = f(Z[i])。 其中， W[i]形状是n[i]*n[i-1]，n[i]是第i层神经元的数量； A[i-1]是第i-1层的神经元，形状是n[i-1]*p，p是样本数量； B[i]形状是n[i]*p，B[i]的每一列都是 ...
分类：
其他好文 时间：
2017-10-25 01:01:14
阅读次数：
226
边缘检测 边缘是指图象中灰度发生急剧变化的区域。图象灰度的变化情况可以用灰度分布的梯度来反映，给定连续图象f(x，y)，其方向导数在边缘法线方向上取得局部最大值。 图象中一点的边缘被定义为一个矢量，模为当前点最人的方向导数，方向为该角度代表的方向。通常我们只考虑其模，而不关心方向。 梯度算子 边缘检 ...
分类：
其他好文 时间：
2017-10-20 20:02:35
阅读次数：
302
1、sigmoid函数 ? sigmoid函数，也就是s型曲线函数，如下： 函数： 导数： ? 上面是我们常见的形式，虽然知道这样的形式，也知道计算流程，不够感觉并不太直观，下面来分析一下。 1.1 从指数函数到sigmoid ? 首先我们来画出指数函数的基本图形： ? 从上图，我们得到了这样的几个 ...
分类：
其他好文 时间：
2017-10-16 16:46:52
阅读次数：
2739
function函数里面最典型的四个参数是inputs,outputs,updates,givens。 function是一个由inputs计算outputs的对象，它关于怎么计算的定义一般在outputs里面，outputs一般是一个符号表达式。 inputs:输入是一个python的列表list ...
分类：
其他好文 时间：
2017-10-16 11:09:20
阅读次数：
119
计算梯度 现在让我们使用Theano来完成一个稍微复杂的任务：创建一个函数，该函数计算相对于其参数x的某个表达式y的导数。为此，我们将使用宏T.grad。例如，我们可以计算相对于的梯度 ((fill((x ** TensorConstant{2}), TensorConstant{1.0}) * T ...
分类：
其他好文 时间：
2017-10-16 11:00:00
阅读次数：
127
1、VXLAN技术可以通过物理交换机实现，也可以通过服务器实现，这两种实现的后台反应的是CT技术，还是IT技术来主导数据中心虚拟网络的发展。 2、物理交换机实现的VXLAN受限于芯片支持的规则，一般情况下，交换芯片也只支持4K个VXLAN隧道。而服务器支持的VXLAN，则无此限制，无上限的限制。 3 ...
分类：
其他好文 时间：
2017-10-15 11:11:19
阅读次数：
173
本文主要介绍微分方程中的常微分方程以及如何利用分离变量法求解常微分方程 ...
分类：
其他好文 时间：
2017-10-13 00:45:45
阅读次数：
401
在网络中，经常会传递一些数据，如果不加处理明文传递，一但网络被监控，数据将赤裸裸的展现在窃听者面前。主要有以下三大风险 总结需要做三件事： 加密：是将数据资料加密，使得非法用户即使取得加密过的资料，也无法获取正确的资料内容，所以数据加密可以保护数据，防止监听攻击。其重点在于数据的安全性 身份认证：是 ...
分类：
Web程序 时间：
2017-10-09 02:04:10
阅读次数：
236
引言 LDA(Latent Dirichlet Allocation)称为潜在狄利克雷分布，是文本语义分析中比较重要的一个模型，同时，LDA模型中使用到了贝叶斯思维的一些知识，这些知识是统计机器学习的基础。为了能够对LDA原理有清晰的认识，也为了能够对贝叶斯思维有全面的了解，在这里对基本知识以及LD ...
分类：
编程语言 时间：
2017-10-08 21:26:05
阅读次数：
246
我们要注意这个流程图，反向传播从这开始，没啥难点都是求导的链式法则，会用求导数就好 注意的是，da=dL(a,y)/da 这里他默认这么写，我是一脸懵逼啊，简写规则要记住，然后是一些推导，记得熟练当然最好 否则是可以自推的。 da=d(-yloga-(1-y)log(1-a))/da=-y/a+(1 ...
分类：
其他好文 时间：
2017-10-05 21:56:50
阅读次数：
170
