神经网络+tensorflow基础（一）

本项目手打了一个简单的BP神经网络。网络有三层——输入层、隐含层、输出层，使用sigmoid函数作为激活函数，通过反向梯度更新网络权值。同时手打一个PCA降维函数，完成数据的预处理。项目中包含两个数据集——abalone和wine。分享出来与各位大大交流，接受批评建议、相互学习。

一个简单的三层神经网络，内含训练用数据集以及测试用数据集，手动用python编写。

使用循环神经网络（RNN）实现简易的二进制加法器，利用python中numpy包实现。

里面包含基于TensorFlow的mnist数据集卷积神经网络代码，从数据提取，到精度测试都有，适合初学者观看。

注意力机制+ResNet的分类网络-python，Keras实现

使用python进行社交网络分析

本文实例讲述了Python实现的三层BP神经网络算法。分享给大家供大家参考，具体如下： 这是一个非常漂亮的三层反向传播神经网络的python实现，下一步我准备试着将其修改为多层BP神经网络。 下面是运行演示函数的截图，你会发现预测的结果很惊人！ 提示：运行演示函数的时候，可以尝试改变隐藏层的节点数，看节点数增加了，预测的精度会否提升 import math import random import string random.seed(0) # 生成区间[a, b)内的随机数 def rand(a, b): return (b-a)*random.random() + a # 生成大小

针对神经网络对加法进行计算，让机器理解加法的意义所在

英文版，介绍了Python从零开始实现神经网络。Implementing a Neural Network from Scratch--An Introduction