本文为作者本人对卷积神经网络的前向及反向传播过程数学推导的总结笔记，对深度学习初学者来说是个对卷积神经网络深度了解很好的机会，是自己搭建卷积神经网络的理论支持，欢迎下载，共同进步
2021-04-16 11:57:49
1.00MB
1
利用numpy完成全连接层的前向传播和反向传播的梯度下降，可以进行多分类识别。案例运用bp神经网络对手写数字mnist数据集进行分类，训练集精度达到99%，验证集精度达到96%以上。一个输入层一个隐藏层一个输出层，激活函数sigmoid，最后一个softmax，loss function为交叉熵损失函数。
2021-04-13 17:20:23
5KB
1
本文提出了一种新型的两阶段集成方案集成反向传播（TP-ES-BP）算法，可以大大减轻标准BP（SBP）算法的局部极小问题，并克服了单个成分BP在分类性能上的局限性通过集成Ensemble方法。 三组模拟实验的经验和t检验结果，包括ORL人脸图像数据库上的人脸识别任务以及从机器学习数据库的UCI存储库中抽取的数据集上的四个基准分类任务，表明TP-ES-BP算法取得了显著成效与SBP和最新的情绪反向传播（EmBP）学习算法相比，识别结果更好，泛化性能更高。
2021-03-14 10:06:11
2MB
1
数据共有2000个样本，每个样本工25个因子，第一个因子表示样本的种类，分为1-4类，只后的24个因子是这个样本的特征。
matlab程序
2021-03-06 16:26:51
365KB
1
数学知识点滴积累 矩阵 数值优化 神经网络反向传播 图优化 概率论 随机过程 卡尔曼滤波 粒子滤波，matlab
2021-01-28 04:28:59
53.38MB
1
003_wz_wed_DL_课程一第二周编程题——反向传播与代价函数.pdf
2021-01-28 02:10:59
2MB
1