神经网络学习小记录48——windows下的torch=1.2.0环境配置学习前言环境内容Anaconda安装下载Cudnn和CUDA配置torch环境安装VSCODE 学习前言 好多人问环境怎么配置，还是出个教程吧。 环境内容 torch：1.2.0 torchvision：0.4.0 Anaconda安装 最新版本的Anaconda没有VSCODE，如果大家为了安装VSCODE方便可以直接安装旧版的Anaconda，百度网盘连接如下。也可以装新版然后分开装VSCODE。 链接: https://pan.baidu.com/s/12tW0Oad_Tqn7jNs8RNkvFA 提取码: i8

基于卷积神经网络的手写体识别19.2 深度学习的概念及关键技术1、神经网络模型2、深度学习之卷积神经网络19.3 Python深度学习库——Keras1、Keras的安装2、Keras的网络层3、用Keras构建神经网络19.4 程序设计的思路19.5 源代码1、MNIST数据集2、手写体识别案例体现3、预测自己手写图像 #!/usr/bin/env python # coding: utf-8 19.2 深度学习的概念及关键技术 1、神经网络模型 ·生物神经元 ·轴突（输出）终端为其他神经元的树突（输入） ·人工神经网络 2、深度学习之卷积神经网络 ·深度学习结构：含有多隐层的神经网络。

学习神经网络的好资源，一共14个ppt，可以系统的学习神经网络的基本知识

现实场景中存在很多小样本量数据集而且多有失真，传统神经网络在处理这类数据时泛化能力较差，不能达到预测数据或分类的目的。迁移学习可通过学习数据集A有用的知识对与其相关但不同正态分布的小样本数据集B进行辅助学习，因此提出了具有迁移学习能力的神经网络，以实现更好的分类或逼近效果。以基于ε-不敏感准则和结构风险的径向基神经网络（RBF）为基础构造了迁移径向基神经网络（T-RBF-NN）。通过加噪音数据集实验以及真实数据集实验验证加入迁移学习的神经网络在小样本情况下比传统神经网络具有更好的泛化性和鲁棒性。

这个是花分类的数据集，里面还有bp神经网络学习的一个文档，以及bp神经网络代码总结的一个博客，地址为https://blog.csdn.net/zqx951102/article/details/94432321 里面代码都是可以运行的，初步学习bp神经网络 可以看看

基于聚类算法的径向基神经网络学习，快来看看吧 ，或许对你有帮助

CNN、DNN、RNN学习总结，包含卷积神经网络、深度神经网络、循环神经网络等深度学习知识点学习总结，内容详实，适合深度学习入门级同学，谢谢~

经典的神经网络书籍，当前神经网络书中最浅显易懂的教程，供神经网络学习

图神经网络学习模型，用于利用DNA甲基化数据进行精确的多肿瘤早期诊断 运行环境 Linux环境，Python 3 需要以下软件包：numpy，pandas，collections，pytorch，torch_geometirc，seaborn 必须将torch_geometric创建的数据集保存在名为“已处理”的目录中 安装 pip install numpy pip install pandas pip install collections pip install seaborn 在安装pytorch时，应该匹配pytorch，torchvision，cuda和cudnn的版本。 这是我的安装命令作为参考。 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch torch_geome

BF神经网络学习算法的研究 共50页 摘要 本文研究了RBF神经网络的各种学习算法。在总结概述前人工作优缺点的基 础上本文分析了三种优良的学习算法。与现存的学习算法相比在具有良好性 能的前提下本文的算法可以产生更紧凑的网络结构。 本文首先回顾RBF神经网络的网络结构及其基本的学习过程。第二章详细 介绍了径向基函数与插值、RBF网络模型和RBF网络的逼近性能。第三章对现阶 段流行的各种RBF神经网络学习算法作了概述给出了正交最小二乘法(OLS)、 递阶遗传训练算法(HGA)和粒子群优化(PSO)算法三种学习算法的详细训练过程。 在第三章的结尾还给出了这三种学习算法的优缺点分析。第四章设计了仿真实 验对基于RBF神经网络的判别模型和其他基于距离的判别模型做了相互比较 仿真结果表明了RBF神经网络的有效性。第五章总结了本文的工作并对RBF 神经网络研究方向做了展望。