政安晨：【使用 TensorFlow 和 Keras 为结构化数据构建和训练神经网络】（一）—— 单个神经元
咱们在这篇文章中将了解与练习深度学习的构建模块--线性单元。 开始深度学习的入门练习 利用这个系列的文章，您即将学习到构建自己的深度神经网络所需的一切。 通过使用Keras和Tensorflow，您将学习以下内容： 咱们这个系列文章将通过完整的实例向您介绍这些主题，然后在练习中，您将更深入地探索这些主题，并将它们应用于真实世界的数据集中。 现在让我们开始！ 深度学习究竟是什么？ 最近几年人工智能领域最令...
【第三章】神经网络的架构-前馈神经网络
架构 在下一部分，我将介绍一个能够相当不错地对手写数字进行分类的神经网络。为了做好准备，有必要解释一些术语，这些术语让我们能够给网络的不同部分命名。假设我们有以下网络： 如前所述，这个网络中最左边的层被称为输入层，层内的神经元被称为输入神经元。最右边或输出层包含输出神经元，或者在这种情况下，一个单独的输出神经元。中间层被称为隐藏层，因为这一层中的神经元既不是输入也不是输出。术语"隐藏"可能听起来有点神秘...
经典的神经网络#1 Lenet
经典的神经网络#1 Lenet 关注B站查看更多手把手教学： 网络结构介绍 LeNet的论文地址为：http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf。这篇论文名为《Gradient-Based Learning Applied to Document Recognition》，是Yann LeCun等人在1998年发表的，介绍了LeNet-5卷积神经...
【前言】神经网络与深度学习简介
如果您已经了解过神经网络与深度学习，请直接跳转到第一章学习 概念： 神经网络，一种基于生物启发式编程范式，它使计算机能够从观测数据中学习 深度学习，一套用于神经网络学习的强大技术集合 简介 神经网络和深度学习目前为图像识别、语音识别和自然语言处理等许多问题提供了最佳解决方案。这本书将教你许多神经网络和深度学习背后的核心概念。 神经网络是有史以来最漂亮的编程范式之一。在传统的编程方法中，我们告诉计算机该做...
深度学习——第9章 项目实战：让你的神经网络模型越来越深
W 和 b 9.4 正向传播单层神经元 9.5 正向传播 L 层神经元 9.6 损失函数 9.7 反向传播单层神经元 9.8 反向传播 L 层神经元 9.9 更新网络参数 W 和 b 9.10 整个神经网络模型 9.11 模型预测 9.12 训练模型 上一课主要介绍了深层神经网络模型的结构和常用的标记方法，详细推导了深层神经网络模型的正向传播和反向传播过程，并在最后介绍了多分类 Softmax模型。 本...
卷积神经网络 (CNN)
卷积神经网络（CNN，Convolutional Neural Networks）是一种深度学习模型，广泛应用于图像识别、语音处理、自然语言处理等领域。CNN 通过模拟人类大脑对视觉信息的处理机制来识别和处理复杂的图像特征。下面是对卷积神经网络的详细阐述： 1. 基本结构 CNN 主要由卷积层、池化层（汇聚层）和全连接层组成，每一层都有其特定的作用。 卷积层：卷积层是CNN的核心，主要负责提取输入图像中的...
基于遗传算法改进的RBF神经网络流量控制，基于GA-RBF的流量预测
目录 完整代码和数据下载链接：基于遗传算法改进的RBF神经网络流量控制，基于GA-RBF的流量预测（代码完整，数据齐全）资源-CSDN文库 https://download.csdn.net/download/abc991835105/88937452 RBF的详细原理 RBF的定义 RBF理论 易错及常见问题 RBF应用实例，基于遗传算法改进的RBF神经网络流量控制，基于GA-RBF的流量预测 代码 ...
MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断
目录 主要内容 部分代码 结果一览 下载链接 主要内容 《MATLAB神经网络43个案例分析》共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外...
【Pytorch深度学习开发实践学习】Pytorch实现LeNet神经网络（3）predict.py
import torchimport torchvision.transforms as transformsfrom PIL import Image from model import LeNet def main(): transform = transforms.Compose( [transforms.Resize((32, 32)), transforms.ToTensor(), tra...
深度学习——第8章 深层神经网络（DNN）
8.1 神经网络为什么要深？ 8.2 深层神经网络标记符号 8.3 正向传播 8.4 反向传播 8.5 多分类Softmax 8.6 总结 上一课是实战内容，我们使用Python一步步搭建了一个最简单的神经网络模型，只包含单层隐藏层。并使用这个简单模型对非线性可分的样本集进行分类，最终得到了不错的分类效果。 本节将继续从深度神经网络入手，介绍深层神经网络的数学原理和推导过程。 8.1 神经网络为什么要深...