0
2019-12-25 16:39 − # [转载]CNN中的激活函数 激活函数在DNN中就已经学过了，但是在CNN中也在用。因为有些CNN网络的描述中将激活函数叫成“激活层”，就让我误以为它是一个独立的层，会在几个卷积层之后独立配置，但是今天又回顾去看VGGNET的网络设计，发现它是将卷积层和激活层合并在一起的，如图： 
2019-11-14 17:56 − 单层感知机 单层感知机基础总结很详细的博客 关于单层感知机的视频 最终y=t,说明经过训练预测值和真实值一致。下面图是sign函数 ...
2019-12-19 20:38 − 转载自：https://baijiahao.baidu.com/s?id=1636737136973859154&wfr=spider&for=pc写的很清楚，并举例佐证，容易理解，推荐！sigmoid = 多标签分类问题=多个正确答案=非独占输出构建分类器，解决多个正确答案的问题时...
2019-12-14 16:17 − ## 一文告诉你, 当下热门的神经网络是什么东西? #### 目录引索 - 简单神经网络 - 感知机 - 神经网络特点 - softmax - 交叉熵 - 卷积神经网络 - 卷积 - 激活函数 - 池化 - 全连接 - Tensorflow playground ...
2019-12-06 14:54 − 转载地址：https://www.jianshu.com/p/4b4701beba92 1、循环神经网络 人类针对每个问题的思考，一般不会是完全的从头开始思考。正如当你阅读这篇译文的时候，你会根据已经阅读过的内容来对后面的内容进行理解，你不会把之前的东西都丢掉从头进行思考，你对内容的理解是贯穿的。 传...
2019-11-24 11:43 − 参考自：https://www.cnblogs.com/lzida9223/p/10972783.html 1.relu虽然是分段的非线性映射函数，但是对于两个输入A和B，它们所经历的计算路径是不同的，就是同是WX+b，但是参数经过反向梯度更新了（个人理解）。 2.知乎上关于Relu是否可拟合任意函数...
2019-12-05 16:17 − 转载链接：https://www.jianshu.com/p/3f35e555d5ba 1.为什么使用梯度下降来优化神经网络参数？ 反向传播（用于优化神网参数）：根据损失函数计算的误差通过反向传播的方式，指导深度网络参数的更新优化。 采取反向传播的原因：首先，深层网络由许多线性层和非线性层堆叠而来，...
2019-12-03 15:52 − 序列数据的处理，从语言模型 N-gram 模型说起，然后着重谈谈 RNN，并通过 RNN 的变种 LSTM 和 GRU 来实战文本分类。 语言模型 N-gram 模型 一般自然语言处理的传统方法是将句子处理为一个词袋模型（Bag-of-Words，BoW），而不考虑每个词的顺序，比如用朴素贝叶斯算法进...
