神经网络的诞生是人们想尝试设计出模仿大脑的算法（人脑是最好的学习机器）。假设：大脑做所有事情和不同的方法，不需要用上千个不同的程序去实现。相反，大脑处理的方法，只需要一个单一的学习算法就可以了。因为人体有同一块脑组织可以处理光、声或触觉信号，那么也许存在一种学习算法（而不是成千上万种算法），可以同时处理视觉、听觉和触觉。
神经网络模型建立在很多神经元之上，每一个神经元又是一个个学习模型。这些神经元（也叫激活单元，activation unit）采纳一些特征作为输出，并且根据本身的模型提供一个输出。
2022-07-06 12:04:57
7.63MB
1
matlab_手写体数字识别的程序，用了三种方法，贝叶斯，最近邻和BP神经网络
2022-06-14 15:12:14
158KB
多层感知机（multi-layer perceptron）实现手写体分类（TensorFlow）
2022-06-14 13:44:38
3KB
1
Tensorflow学习实战之mnist手写体识别数据准备构建模型训练模型评估结果可视化显示
Tensorflow继续学习，今天是入门级的mnist手写体识别，改变前两次的线性回归，这次是逻辑回归，这样随之改变的是损失函数等
Tensorflow里面有一个examples的MNIST的手写，直接运行会自动下载。
训练了20次，效果还不错，慢慢的理解，把以前不懂得好多东西，学习中慢慢得到补充
收获：
reshape，行优先，逐行排列，相当于把一整行数字排列后按reshape得行列填充进去，我的理解相当于图像里得resize
one hot独热编码，一个为1，其余所有为0，适用于分类任务，是一种稀
2022-06-14 12:59:17
470KB
1