比较老的资源了，但是还是很经典的一本书，是深度学习的基础。前言 第1章 人工神经网络概述 1.1 神经网络的基本概念 1.1.1 生物神经元的结构与功能特点 1.1.2 人工神经元模型 1.1.3 神经网络的结构及工作方式 1.1.4 神经网络的学习 1.2 神经网络的特点及其应用 1.2.1 神经网络的特点 1.2.2 神经网络的应用领域 练习题 第2章 实用神经网络模型与学习算法 2.1 MATLAB快速入门 2.1.1 MATLAB界面组成 2.1.2 MATLAB基本运算 2.1.3

使用 tensorflow1.14, 数据集 cifar10 代码初始化数据集一览数据预处理构建模型图神经元单层神经网络注意点other 代码 初始化 import tensorflow as tf import pickle as pk import numpy as np import os CIFAR_DIR = './cifar-10-batches-py' 数据集一览 data_batch_1 ~ 5 为训练数据集, test_batch 为测试集 os.listdir(CIFA

深度学习（神经网络）[1] —— 单层感知器算法描述python实现示例运行结果可视化 算法描述 最原始的神经网络模型，类似于神经网络中的单个神经元，该算法局限性也很大，只适用于解决线性可分的问题和异或问题，对于线性不可分的问题则无法解决。但作为神经网络的基本单元，学习和理解单层感知器，对后续的学习是很有帮助的。 python实现 # ************************** Perception ****************** import numpy as np impor

深度学习 简述 第一部分 常见深度学习框架（Python API） TensorFlow 对（TensorFlow进一步封装） PyTorch（FaceBook） CNTK（微软） MXNet 胶子 见文件夹：框架 第二部分 前馈神经网络 感知器 一个单层神经网络 一个多层神经网络 使用激活函数 关于隐层和隐层神经元的实验 实现一个自动编码器 调整损失函数 测试不同的优化器 使用正则化技术提高泛化能力 添加Dropout以防止过拟合 见文件夹：前馈神经网络 第三部分 卷积神经网络 滤