二、计算机的神经网络系统－操作系统
上篇介绍了计算机的身体构造，但是把那几大块部件拼凑在一起，还不能称之为计算机，还得让它能够思考，今天我们来说说计算机是如何思考的。人类之所以能够思考，是因为我们的身体中有无数的神经元组成的神奇的神经网络系统。当身体接受到信号并把它传递给神经网络系统，神经网络系统会根据个人的认知对其进行处理，并把...
常用神经网络架构总结
由于新的神经网络架构无时无刻不在涌现，想要记录所有的神经网络是很困难的事情。要把所有这些缩略语指代的网络(DCIGN，IiLSTM，DCGAN等)都弄清，一开始估计还无从下手。下表包含了大部分常用的模型(大部分是神经网络还有一些其他的模型)。虽然这些架构都是新奇独特的，但当我开始把它们的结果画下来的时候，每种架构的底层...
如何选择神经网络的超参数
原2017年08月18日10:33:06独孤呆博阅读数21041 版权声明：本文为博主原创文章，遵循CC4.0by-sa版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/dugudaibo/article/details/77366245/本博客主要内容为图书《神...
使用TensorFlow的递归神经网络（LSTM）进行序列预测
本篇文章介绍使用TensorFlow的递归神经网络（LSTM）进行序列预测。作者在网上找到的使用LSTM模型的案例都是解决自然语言处理的问题，而没有一个是来预测连续值的。所以呢，这里是基于历史观察数据进行实数序列的预测。传统的神经网络模型并不能解决这种问题，进而开发出递归神经网络模型，递归神经网络模型可以存储历史数据来...
Deep Learning.ai学习笔记_第一门课_神经网络和深度学习
/目录前言第一周（深度学习引言）第二周（神经网络的编程基础）第三周（浅层神经网络）第四周（深层神经网络） 目标：掌握神经网络的基本概念，学习如何建立神经网络（包含一个深度神经网络），以及如何在数据上面训练他们，最后将用一个深度神经网络进行辨认猫。（1）了解深度学习的概念（2）了解神经网络的结构，使...
Deep Learning.ai学习笔记_第二门课_改善深层神经网络：超参数调试、正则化以及优化
/目录第一周（深度学习的实践层面）第二周（优化算法）第三周（超参数调试、Batch正则化和程序框架） 目标：如何有效运作神经网络，内容涉及超参数调优，如何构建数据，以及如何确保优化算法快速运行，从而使学习算法在合理时间内完成自我学习。如何选取一个神经网络的训练集、验证集和测试集呢？如果数据量比较少，例如只有1...