oddd

摘要： 之前讲过CNN和BP，循环神经网络与前两个网络结构有部分区别。 这是循环神经网络的基本结构 区别在于：从结构上来看卷积神经网络层与层之间是全连接的，且同一层之间神经元无连接，而循环神经网络层与层之间有连接。另外，循环神经网络适合处理序列数据。 RNNs的目的使用来处理序列数据。在传统的神经网络模型中 阅读全文

摘要： 对于卷积神经网络，本文将从卷积神经网络的简介、前向传播、卷积核、、特性、反向传播这五个方面进行讲解。 简介 卷积神经网络（Convolutional Neural Network,CNN或ConvNet）是一种带有卷积结构的深度神经网络。由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结 阅读全文

摘要： 对于BP神经网络，本文将从简介(神经网络以及前馈神经网络概念)、激活函数、正向传播、反向传播这几个方面做出简要描述。 首先来看一下神经网络的简介。 神经网络概念 神经网络是一种运算模型，由大量的节点（或称为神经元）之间相互联接构成。在感知机的基础上发展出来。每个节点代表一种特定的输出函数，称为激励函 阅读全文

摘要： 对于bp神经网络有无激活函数训练，本文使用sigmod函数。 对于有sigmoid的bp神经网络，由于sigmod函数理论上讲可将线性相加的组合映射到（0，1）的区间，在一定程度上可以使得将输入进行预测并作出分类。同时，运用梯度下降来更新权重使得反向传播得到可能。 对于无sigmod函数，从理论上讲 阅读全文

摘要： 阅读全文