注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. BP神经网络代码

  2. gitchat资料。从零开始学习BP神经网络。 本文主要叙述了经典的全连接神经网络结构以及前向传播和反向传播的过程。通过本文的学习，读者应该可以独立推导全连接神经网络的传播过程，对算法的细节烂熟于心。另外，由于本文里的公式大部分是我自己推导的，所以可能会有瑕疵，希望读者不吝赐教。   虽然这篇文章实现的例子并没有什么实际应用场景，但是自己推导一下这些数学公式对理解神经网络内部的原理很有帮助，继这篇博客之后，我还计划写一个如何自己推导并实现卷积神经网络的教程，如果有人感兴趣，请继续关注我！

  3. 所属分类：深度学习

    • 发布日期：2017-10-22
    • 文件大小：3mb
    • 提供者：u014303046

  1. 《MATLAB R2016a在电子信息工程中的仿真案例分析》源码

  2. 目录 第1章最优的FIR滤波器设计 1.1频率取样的FIR滤波器设计 1.1.1约束条件 1.1.2设计误差 1.2最优的FIR滤波器设计 1.2.1一般最优滤波器 1.2.2加权最优滤波器 1.2.3反对称FIR滤波器 1.2.4微分FIR滤波器 1.3IIR与FIR数字滤波器的比较 第2章基于神经网络的案例分析与实现 2.1农作物虫情预测 2.1.1基于神经网络的虫情预测原理 2.1.2BP网络设计 2.2模型参考控制 2.2.1模型参考控制概念 2.2.2模型参考控制实例分析 2.3神经

  3. 所属分类：其它

    • 发布日期：2018-06-04
    • 文件大小：85kb
    • 提供者：williamanos

  1. 卷积神经网络的数学推导

  2. 本文假设读者比较熟悉神经网络的相关知识，特别是反向传播算法的过程，从数学推导的角度来理解 CNN 的内部原理。

  3. 所属分类：深度学习

    • 发布日期：2018-01-25
    • 文件大小：337kb
    • 提供者：pflory

  1. 卷积神经网络CNN笔记（理解CNN数学原理的指南）.pdf

  2. 卷积神经网络是深度学习中的基础模型。南京大学吴建鑫教授的「卷积神经网络CNN」笔记，35页pdf初学者学习指南理解CNN数学原理。

  3. 所属分类：机器学习

    • 发布日期：2020-02-24
    • 文件大小：773kb
    • 提供者：syp_net

  1. Machine-Learning-Playbook:我有用的代码，程序，说明以及有关机器学习的更多内容的集合！-源码

  2. 机器学习手册 :closed_book: 介绍 这是有用的代码，程序，说明以及关于机器学习的更多内容的集合。 我的目标是通过从头开始构建一切，来实践和证明我对机器学习的基础，中级和高级概念的理解！ 神经网络背后的数学 首先， 概述了我对工作原理的理解，还包括演示如何使用基础数学和的演示。 致谢：我的一个朋友很友善，我完成关于背后的数学的文章，并解释诸如反向传播等关键概念。 我的工作基于我的谈话以及他的论文。 密集的NN和多层感知器（基于MNIST和Fashion MNIST数据集） 接下来，我

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：15mb
    • 提供者：weixin_42099070

  1. 使用DeepLearning4j训练和保存模型

  2. 本文来自于oschina，文章介绍了卷积神经网络原理,基于dl4j定型一个卷积神经网络来进行手写数字识别等相关内容。最近一直在研究深度学习，联想起之前所学，感叹数学是一门朴素而神奇的科学。F＝G*m1*m2/r2万有引力描述了宇宙星河运转的规律，E=mc2描述了恒星发光的奥秘，V=H*d哈勃定律描述了宇宙膨胀的奥秘，自然界的大部分现象和规律都可以用数学函数来描述，也就是可以求得一个函数。神经网络可以逼近任何连续的函数，那么神经网络就有无限的泛化能力。对于大部分分类问题而言，本质就是求得一个函数y

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：179kb
    • 提供者：weixin_38693967

  1. 卷积神经网络概述及python实现

  2. 对于卷积神经网络（CNN）而言，相信很多读者并不陌生，该网络近年来在大多数领域都表现优异，尤其是在计算机视觉领域中。但是很多工作人员可能直接调用相关的深度学习工具箱搭建卷积神经网络模型，并不清楚其中具体的原理。本文将简单介绍卷积神经网络（CNN），方便读者大体上了解其基本原理及实现过程，便于后续工作中的实际应用。本文将按以下顺序展开：1.了解卷积操作2.了解神经网络3.数据预处理4.了解CNN5.了解优化器6.理解ImageDataGenerator7.进行预测并计算准确性8.demo在数学（尤

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：292kb
    • 提供者：weixin_38698367

  1. 使用DeepLearning4j训练和保存模型

  2. 本文来自于oschina，文章介绍了卷积神经网络原理,基于dl4j定型一个卷积神经网络来进行手写数字识别等相关内容。最近一直在研究深度学习，联想起之前所学，感叹数学是一门朴素而神奇的科学。F＝G*m1*m2/r2万有引力描述了宇宙星河运转的规律，E=mc2描述了恒星发光的奥秘，V=H*d哈勃定律描述了宇宙膨胀的奥秘，自然界的大部分现象和规律都可以用数学函数来描述，也就是可以求得一个函数。神经网络可以逼近任何连续的函数，那么神经网络就有无限的泛化能力。对于大部分分类问题而言，本质就是求得一个函数y

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：166kb
    • 提供者：weixin_38713717

  1. 卷积神经网络概述及python实现

  2. 对于卷积神经网络（CNN）而言，相信很多读者并不陌生，该网络近年来在大多数领域都表现优异，尤其是在计算机视觉领域中。但是很多工作人员可能直接调用相关的深度学习工具箱搭建卷积神经网络模型，并不清楚其中具体的原理。本文将简单介绍卷积神经网络（CNN），方便读者大体上了解其基本原理及实现过程，便于后续工作中的实际应用。本文将按以下顺序展开：1.了解卷积操作2.了解神经网络3.数据预处理4.了解CNN5.了解优化器6.理解ImageDataGenerator7.进行预测并计算准确性8.demo 在数学（

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：292kb
    • 提供者：weixin_38630697