机器学习原来这么有趣-Part3-深度学习与卷积神经网络

最近看了Adam Geitgey的机器学习系列文章。寻思着闲着也是闲着,干脆翻译以下,顺便学习下英语啥的哈哈哈。第一次做这种事,有不到位的地方欢迎指教噢。

深度学习-卷积神经网络(0)

 作为本系列的第一篇文章,本文仅对卷积神经网络的工作过程做一个简单的介绍,并不涉及数学原理与推导。若想要深入了解数学原理,那么可以去查看相关文献或者我将会在之后更新相关内容的文章。

人工神经网络学习笔记(3)

Python-numpy编码实现人工神经网络


前面的几篇文章我们熟悉了人工神经网络的数学原理及其推导过程,但有道是‘纸上得来终觉浅’,是时候将理论变为现实了。现在我们将应用Python语言以及其强大的扩充程序库Numpy来编写一个简单的神经网络。

人工神经网络学习笔记(2)

如何更新权重

在上一篇文章中我们算出了各个层的误差,现在是时候利用这些误差来指导链接权重的修改了。那么该如何修改?

人工神经网络学习笔记(1)

如何让网络可以学习

上一篇文章中的神经网络还没有学习能力,这好比如说该网络只接收外部输入并输出结果,却没有反馈机制没有对结果进行正确性分析,让我们以小明与老师之间的对话来比喻这种情况:

人工神经网络学习笔记(0)


何为人工神经网络

人工神经网络是模拟人脑的神经网络,用以实现人工智能的机器学习技术。我们知道,人脑可以说是世界上最复杂最精妙的系统之一,它由千亿计的神经元细胞组成。各个神经细胞相互链接,彼此之间传递电信号。从而造就了人类高于其他物种的思维能力。科学家受到人脑神经元的启发从而提出了人工神经网络的设想,使得人工智能的实现不再遥不可及。

感知机与逻辑门的实现

感知机


 感知机(Perceptron)由两层神经元组成,输入层接收外界信号后传递给输出层,输出层是M-P神经元(如下图),亦称” 阙值逻辑单元(threshold logic unit)“


Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×

😏

📷

✍️