摘要：
比如这样一种格式化的文本文件，文件说明及下载地址：/pub/machine-learning-databases/statlog/german/ 的索引 fid = fopen('german.data', 'r');C = textscan(fid, '%s, %... 阅读全文
posted @ 2017-03-02 23:04
未雨愁眸
阅读(186)
评论(0)
推荐(0)
摘要：
比如这样一种格式化的文本文件，文件说明及下载地址：/pub/machine-learning-databases/statlog/german/ 的索引 fid = fopen('german.data', 'r');C = textscan(fid, '%s, %... 阅读全文
posted @ 2017-03-02 23:04
未雨愁眸
阅读(1076)
评论(0)
推荐(0)
摘要：
数据预处理（normalize、scale）0. 使用 PCA 降维matlab：[coeff, score] = pca(A);reducedDimension = coeff(:,1:5);reducedData = A * reducedDimension;1... 阅读全文
posted @ 2017-03-02 21:37
未雨愁眸
阅读(1997)
评论(0)
推荐(0)
摘要：
数据预处理（normalize、scale）0. 使用 PCA 降维matlab：[coeff, score] = pca(A);reducedDimension = coeff(:,1:5);reducedData = A * reducedDimension;1... 阅读全文
posted @ 2017-03-02 21:37
未雨愁眸
阅读(339)
评论(0)
推荐(0)
摘要：
屈原不姓屈，姓芈； 和芈月是一家子；1. 文学常识中国第一个写七言诗的人：曹丕；2. 违反直觉刘邦：生于前256年，嬴政：生于前259年，也即嬴政只比刘邦大了 3 岁；3. 年龄更是个问题作为政治联姻，刘备娶孙权的妹妹孙尚香时，刘备 49 岁，孙尚香 19 岁；诸葛亮... 阅读全文
posted @ 2017-03-02 20:34
未雨愁眸
阅读(208)
评论(0)
推荐(0)
摘要：
屈原不姓屈，姓芈； 和芈月是一家子；1. 文学常识中国第一个写七言诗的人：曹丕；2. 违反直觉刘邦：生于前256年，嬴政：生于前259年，也即嬴政只比刘邦大了 3 岁；3. 年龄更是个问题作为政治联姻，刘备娶孙权的妹妹孙尚香时，刘备 49 岁，孙尚香 19 岁；诸葛亮... 阅读全文
posted @ 2017-03-02 20:34
未雨愁眸
阅读(419)
评论(0)
推荐(0)
摘要：
方便起见，本文仅以三层的神经网络举例。f(⋅)：表示激励函数xi：表示输入层；yj：表示中间的隐层； yj=f(netj)netj=∑i=0nvijxiok：表示输出层，dk 则表示期望输出； ok=f(netk)netk=∑j=0mwjkyjvij,wjk 分别... 阅读全文
posted @ 2017-03-02 19:12
未雨愁眸
阅读(826)
评论(0)
推荐(0)
摘要：
方便起见，本文仅以三层的神经网络举例。f(⋅)：表示激励函数xi：表示输入层；yj：表示中间的隐层； yj=f(netj)netj=∑i=0nvijxiok：表示输出层，dk 则表示期望输出； ok=f(netk)netk=∑j=0mwjkyjvij,wjk 分别... 阅读全文
posted @ 2017-03-02 19:12
未雨愁眸
阅读(689)
评论(0)
推荐(0)
摘要：
机器学习基础（七）——sigmoid 函数的性质 机器学习基础（五十六）—— tanh、sign 与 softsign 深度学习基础（十二）—— ReLU vs PReLUsigmoid：单极性，连续，可导；tanh：双极性，连续，可导；注意 tanh（双曲正切函数）... 阅读全文
posted @ 2017-03-02 17:28
未雨愁眸
阅读(327)
评论(0)
推荐(0)
摘要：
机器学习基础（七）——sigmoid 函数的性质 机器学习基础（五十六）—— tanh、sign 与 softsign 深度学习基础（十二）—— ReLU vs PReLUsigmoid：单极性，连续，可导；tanh：双极性，连续，可导；注意 tanh（双曲正切函数）... 阅读全文
posted @ 2017-03-02 17:28
未雨愁眸
阅读(355)
评论(0)
推荐(0)
摘要：
gcf：获取当前显示图像的句柄；默认 plot 的 position 是 [232 246 560 420]0. save>> A = randn(3, 4);>> B = 'hello world';>> save 'data.mat' A B ... 阅读全文
posted @ 2017-03-02 12:59
未雨愁眸
阅读(842)
评论(0)
推荐(0)
摘要：
gcf：获取当前显示图像的句柄；默认 plot 的 position 是 [232 246 560 420]0. save>> A = randn(3, 4);>> B = 'hello world';>> save 'data.mat' A B ... 阅读全文
posted @ 2017-03-02 12:59
未雨愁眸
阅读(289)
评论(0)
推荐(0)
摘要：
1. 使用 title 的 ‘position’ 属性进行设置plot(1:10, 1:10), title('y=x', 'position', [5.5, 0])2. 使用 xlabelplot(1:10, 1:10), xlabel('y=x')imshow('... 阅读全文
posted @ 2017-03-02 12:41
未雨愁眸
阅读(1534)
评论(0)
推荐(0)
摘要：
1. 使用 title 的 ‘position’ 属性进行设置plot(1:10, 1:10), title('y=x', 'position', [5.5, 0])2. 使用 xlabelplot(1:10, 1:10), xlabel('y=x')imshow('... 阅读全文
posted @ 2017-03-02 12:41
未雨愁眸
阅读(353)
评论(0)
推荐(0)
摘要：
权值越多，需要的样本量就会很大； 也即需要提供与网络规模相适应的大规模数据；1. 模型的理解能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述和定义这种映射关系的数学方程。BP 神经网络等价于一个通用的逼近器（universal approximator）；... 阅读全文
posted @ 2017-03-02 11:00
未雨愁眸
阅读(147)
评论(0)
推荐(0)
摘要：
权值越多，需要的样本量就会很大； 也即需要提供与网络规模相适应的大规模数据；1. 模型的理解能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述和定义这种映射关系的数学方程。BP 神经网络等价于一个通用的逼近器（universal approximator）；... 阅读全文
posted @ 2017-03-02 11:00
未雨愁眸
阅读(185)
评论(0)
推荐(0)
摘要：
1. 输入样本的处理听起来似乎是一个比较奇怪的说法，不对输入做任何处理的话，是无法求解异或问题的。这里提供一种对输入进行处理的可行方式：对输入样本做必要的升维处理，其实质是引入非线性分量。如下图所示： X = [0, 0, 0; 0, 1, 1; 1, 0, 1; ... 阅读全文
posted @ 2017-03-02 10:42
未雨愁眸
阅读(165)
评论(0)
推荐(0)
摘要：
1. 输入样本的处理听起来似乎是一个比较奇怪的说法，不对输入做任何处理的话，是无法求解异或问题的。这里提供一种对输入进行处理的可行方式：对输入样本做必要的升维处理，其实质是引入非线性分量。如下图所示： X = [0, 0, 0; 0, 1, 1; 1, 0, 1; ... 阅读全文
posted @ 2017-03-02 10:42
未雨愁眸
阅读(264)
评论(0)
推荐(0)
摘要：
1. δ 学习规则1986 年，由认知心理学家 McClelland 和 Rumellhart 在神经网络训练中引入了 Δ 学习规则，该规则亦可称为连续感知器学习规则（与离散感知器学习规则相并行）。Δ 规则的学习信号规定为：r=(dj−f(wTjx))f′(wTjx)... 阅读全文
posted @ 2017-03-02 09:31
未雨愁眸
阅读(986)
评论(0)
推荐(0)
摘要：
1. δ 学习规则1986 年，由认知心理学家 McClelland 和 Rumellhart 在神经网络训练中引入了 Δ 学习规则，该规则亦可称为连续感知器学习规则（与离散感知器学习规则相并行）。Δ 规则的学习信号规定为：r=(dj−f(wTjx))f′(wTjx)... 阅读全文
posted @ 2017-03-02 09:31
未雨愁眸
阅读(3855)
评论(0)
推荐(0)
浙公网安备 33010602011771号