摘要: 全套教程请点击: "微软 AI 开发教程" 知识点 多元线性回归 输入层的矩阵运算设计 样本数据归一化 提出问题 假设有如下这样一个问题:有1000个样本,每个样本有三个特征值,一个标签值。想让你预测一下给定任意三个特征值组合,其y值是多少? |样本序号|1|2|3|4|...|1000| | | 阅读全文
posted @ 2018-12-03 12:09 UniversalAIPlatform 阅读(393) 评论(1) 编辑
摘要: 全套教程请点击: "微软 AI 开发教程" 定义神经网络结构 我们定义一个两层的神经网络,输入层不算,一个隐藏层,含128个神经元,一个输出层。 数学理论证明:具有足够数量神经元的两层神经网络能够拟合任意精度的连续函数。所以,今天咱们就用实际数据来验证一下这个理论。我们假设一个连续函数的形式为: $阅读全文
posted @ 2018-11-28 12:48 UniversalAIPlatform 阅读(1379) 评论(9) 编辑
摘要: 全套教程请点击: "微软 AI 开发教程" 在这一章,我们将简要介绍一下损失函数~ 损失函数 作用 在有监督的学习中,需要衡量神经网络输出和所预期的输出之间的差异大小。这种误差函数需要能够反映出当前网络输出和实际结果之间一种量化之后的不一致程度,也就是说函数值越大,反映出模型预测的结果越不准确。 还阅读全文
posted @ 2018-11-21 13:43 UniversalAIPlatform 阅读(122) 评论(0) 编辑
摘要: 全套教程请点击: "微软 AI 开发教程" 下面我们举一个简单的线性回归的例子来说明实际的反向传播和梯度下降的过程。完全看懂此文后,会对理解后续的文章有很大的帮助。 简单回忆一下什么是线性回归: 回归的目的是通过几个已知数据来预测另一个数值型数据的目标值。假设特征和结果满足线性关系,即满足一个计算公阅读全文
posted @ 2018-11-20 14:02 UniversalAIPlatform 阅读(1339) 评论(17) 编辑
摘要: 全套教程请点击: "微软 AI 开发教程" 在这一章,我们将简要介绍一下激活函数和损失函数~ 激活函数 看神经网络中的一个神经元,为了简化,假设该神经元接受三个输入,分别为$x_1, x_2, x_3$,那么$z=\sum\limits_{i}w_ix_i+b_i$, 激活函数也就是$A=\sigm阅读全文
posted @ 2018-11-15 13:41 UniversalAIPlatform 阅读(896) 评论(9) 编辑
摘要: 基本函数导数公式 全套教程请点击: "微软 AI 开发教程" 基本数学导数公式 这篇文章的内容更多的是一些可能要用到的数学公式的导数公式和推导,是一种理论基础,感兴趣的同学可以仔细瞅瞅,想直接上手的同学也可以直接跳过这一篇~ 大家可以mark一下,以便以后用到时过来查一下,当成字典。 下面进入正题!阅读全文
posted @ 2018-11-14 14:03 UniversalAIPlatform 阅读(381) 评论(2) 编辑
摘要: 简明神经网络教程系列~ 写在前面,为啥要出这个系列的教程呢? 总的说来,我们现在有了很多非常厉害的深度学习框架,比如tensorflow,pytorch,paddlepaddle,caffe2等等等等。然而,我们用这些框架在搭建我们自己的深度学习模型的时候,到底做了一些什么样的操作呢?我们试图去阅读阅读全文
posted @ 2018-11-14 14:03 UniversalAIPlatform 阅读(1233) 评论(5) 编辑
摘要: 全套教程请点击: "微软 AI 开发教程" 预警:本篇博客中会涉及到偏导数的概念,但是非常初级,很容易理解,建议硬着头皮看,跟着算一遍,看完之后保证会觉得人生美好了很多。 反向传播和梯度下降这两个词,第一眼看上去似懂非懂,不明觉厉。这两个概念是整个神经网络中的重要组成部分,是和误差函数/损失函数的概阅读全文
posted @ 2018-11-12 13:26 UniversalAIPlatform 阅读(1401) 评论(11) 编辑
摘要: 全套教程请点击: "微软 AI 开发教程" 看过很多博客、文章,东一榔头西一棒子的,总觉得没有一个系列的文章把问题从头到尾说清楚,找东西很困难。有的博客、文章的质量还不算很理想,似是而非,或者重点不明确,或者直接把别人的博客抄袭过来......种种不靠谱,让小白们学习起来很困难,增加了学习曲线的陡峭阅读全文
posted @ 2018-11-08 12:29 UniversalAIPlatform 阅读(7897) 评论(39) 编辑
摘要: 【重磅】微软开源自动机器学习工具 NNI 在机器学习建模时,除了准备数据,最耗时耗力的就是尝试各种超参组合,找到模型最佳效果的过程了。即使是对于有经验的算法工程师和数据科学家,有时候也很难把握其中的规律,只能多次尝试,找到较好的超参组合。而对于初学者来说,要花更多的时间和精力。 自动机器学习这两年成阅读全文
posted @ 2018-09-28 15:53 UniversalAIPlatform 阅读(848) 评论(1) 编辑