绿巨人专栏-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

绿巨人专栏

专栏成员

129

文章

165438

阅读量

44

订阅数

神经网络学习笔记-01-基本概念

神经网络机器学习

神经网络学习笔记-01-基本概念基本概念 Artificial Neural Network - 基于神经元的计算方向。一个人工神经网络系统一般包含多个层，每层包含多个神经元（也称为节点）。第一层是输入层。基本上没有什么计算功能，主要是将输入数据映射到每个节点上。中间的层次为隐藏层。每层都会有一个输出，包含了本层每个节点的输出数据。每层的输出数据，也是下一层的输入数据。每层的每个节点会对输入数据分别计算,产生不同的计算结果。最后一层是输出层。输出层的每个节点对应一个分类，计算

2018-05-18

5040

神经网络学习笔记 - 激活函数的作用、定义和微分证明

神经网络学习笔记 - 激活函数的作用、定义和微分证明看到知乎上对激活函数(Activation Function)的解释。我一下子迷失了。因此，匆匆写下我对激活函数的理解。激活函数被用到了什么地方目前为止，我见到使用激活函数的地方有两个。逻辑回归(Logistic Regression) 神经网络(Neural Network) 这两处，激活函数都用于计算一个线性函数的结果。了解激活函数激活函数的作用：就是将权值结果转化成分类结果。 2类的线性分类器先说一个简单的情况 - 一个2类的

2018-05-18

8970

神经网络学习笔记-02-循环神经网络

神经网络学习笔记-02-循环神经网络本文是根据WildML的Recurrent Neural Networks Tutorial写的学习笔记。循环神经网络循环神经网络适用于处理序列化信息，比如：语言翻译，语音识别等。如果，我们要实现一个翻译功能。首先需要理解原句中每个单词的含义。这就需要根据上下文来理解。假如：原句中的每个单词，以此对应神经网络中一个隐藏层。在传统的神经网络框架中，隐藏层直接传递的是一个矢量Out。这个Out矢量是原句当前每个词的一个输出，比如：含义等等。那么，如

2018-05-17

8520

神经网络学习笔记 - 损失函数的定义和微分证明

神经网络机器学习

神经网络学习笔记 - 损失函数的定义和微分证明损失函数 Loss function (cross entropy loss) 损失函数，反向传播和梯度计算构成了循环神经网络的训练过程。激活函数softmax和损失函数会一起使用。激活函数会根据输入的参数（一个矢量，表示每个分类的可能性），计算每个分类的概率(0, 1)。损失函数根据softmax的计算结果\(\hat{y}\)和期望结果\(y\)，根据交叉熵方法(cross entropy loss) 可得到损失\(L\)。 cross entr

2018-05-17

1.6K0

神经网络学习笔记-04-循环神经网络算法解释

神经网络编程算法 NLP 服务机器学习

神经网络学习笔记-04-循环神经网络算法解释本文是根据WildML的Recurrent Neural Networks Tutorial写的学习笔记。门控循环单元 - GRUs (Gated Recurrent Units) 先看看计算公式：计算公式的理解首先，我们有一个单词集合，包含了常用的单词和标点符号。这个单词集合，在训练前就已经确定了。因此：单词量在训练和预测的过程中是固定的。比如：8000。我们想象现在正在学习需要句子，用来自动生成有一定含义的语句。在训练的过程中，会建立

2018-05-17

6980

神经网络学习笔记-03-循环神经网络-反向传播计算公式的证明

神经网络 NLP 服务

神经网络学习笔记-03-循环神经网络-反向传播计算公式的证明本文是根据WildML的Recurrent Neural Networks Tutorial写的学习笔记。原文的例子原文中计划实现一个循环神经网络，用于发现自然语言句子中单词出现的模式，最终可以生成一些合理的句子。数据来源原文中，从网上下载了很多条句子（英文的）。数据的前期处理首先，统计了所有单词（包括标点符号）。取出最常见的7997单词，并且编号，每个单词有一个token。设置了3个特殊的token： UNKNOWN_

2018-05-17

8500

没有更多了

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态