摘要： 反向传播的实现--回归 %matplotlib inline import numpy as np import matplotlib.pyplot as plt input_data = np.arange(0,np.pi*2,0.1) correct_data = np.sin(input_da 阅读全文

摘要： 反向传播 训练数据与测试数据 损失函数 常用：平方和误差、交叉熵误差 平方和误差 适用于计算连续数值的情况 def square_sum(y,t): return 1.0/2.0*np.sum(np.square(y-t)) 交叉熵误差 学习速度很快，偏差容易被迅速消除 def (y,t): ret 阅读全文

摘要： 多个神经元的实现——回归问题： %matplotlib inline #IPython的魔法函数，可以在IPython编译器里直接使用，作用是内嵌画图，省略掉plt.show()这一步，直接显示图像 import numpy as np import matplotlib.pyplot as plt 阅读全文

摘要： 神经网络 权重w 偏置b 激励函数 f = Σxw + b 上层网络→下层网络 m*n矩阵代表权重矩阵；偏置的数量和下层网络的神经元数量一致，为n； u = np.dot(x,w) + b 一般来说，输出层的神经元数量n个，则用n阶形式的独热编码格式数据来表示 几种激励函数： 1、阶跃函数 阶梯型函 阅读全文

摘要： 上半年学习的一些记录 主要参考的书：《写给新手的深度学习：用Python学习神经网络和反向传播》 Numpy： linspace reshape 广播机制（数组在某一轴上扩展，值和原来一样，扩展之后可以和其他维度的数组做基本计算） 切片 transpose 调换轴 其中transpose(1,0)等 阅读全文