一、目录 1、目录 2、背景 3、核函数引入 4、核函数介绍 5、SVN小结 二、背景 支持向量机（一）讲到的软间隔最大化只能解决由于异常点而导致的线性不可分问题，而对于本身的数据集就是非线性的问题就无能为力，根据相关理论对于在低维空间线性不可分的问题，一般将其映射到高维空间后都是线性可分的，我们可... ...
分类：
其他好文 时间：
2020-02-24 00:33:34
阅读次数：
75
我们知道较早的分类模型——感知机（1957年）是二类分类的线性分类模型，也是后来神经网络和支持向量机的基础。支持向量机（Support vector machines）最早也是是一种二类分类模型，经过演进，现在成为了既能处理多元线性和非线性的问题，也能处理回归问题。在深度学习风靡之前，应该算是最好的... ...
分类：
其他好文 时间：
2020-02-24 00:01:53
阅读次数：
88
SVM-支持向量机 SVM（Support Vector Machine）-支持向量机，是一个功能非常强大的机器学习模型，可以处理线性与非线性的分类、回归，甚至是异常检测。它也是机器学习中非常热门的算法之一，特别适用于复杂的分类问题，并且数据集为小型、或中型的数据集。 这章我们会解释SVM里的核心概 ...
分类：
其他好文 时间：
2020-02-21 20:40:26
阅读次数：
72
把一本《白话深度学习与tensorflow》给啃完了，了解了一下基本的BP网络，CNN，RNN这些。感觉实际上算法本身不是特别的深奥难懂，最简单的BP网络基本上学完微积分和概率论就能搞懂，CNN引入的卷积，池化等也是数字图像处理中比较成熟的理论，RNN使用的数学工具相对而言比较高深一些，需要再深入消... ...
分类：
其他好文 时间：
2020-02-21 18:22:04
阅读次数：
95
网络结构 输入层、隐含层(多层)、输出层 单个神经元结构，g(z)为激励函数，线性组合，非线性处理 逻辑回归 正向传播预测结果，反向传播调整w和b 激励函数 作用：提供规模化的非线性化能力 常用： 损失函数 单次训练损失： 全部训练损失： 梯度下降 逻辑回归梯度下降 同步更新 网络向量化 网络梯度下 ...
分类：
其他好文 时间：
2020-02-17 20:11:10
阅读次数：
111
?xscale/yscale对数和其它非线性轴 import numpy as np import matplotlib.pyplot as plt #生成一些区间 [0,1]内的数据 y = np.random.normal(loc=0.5, scale=0.4, size=1000) y = y ...
分类：
编程语言 时间：
2020-02-17 19:33:18
阅读次数：
75
什么是激活函数？ 激活函数（Activation functions）对于人工神经网络 [1] 模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。如图1，在神经元中，输入的 inputs 通过加权，求和后，还被作用了一个函数，这个函数就是激活函数。引入 ...
分类：
其他好文 时间：
2020-02-17 12:49:27
阅读次数：
97
先简单介绍一下 Premiere Pro 2020（下载链接可以在文末获取） Adobe Premiere Pro是目前最流行的非线性编辑软件，是数码视频编辑的强大工具，它作为功能强大的多媒体视频、音频编辑软件，应用范围不胜枚举，制作效果美不胜收，足以协助用户更加高效地工作。Adobe Premie ...
分类：
其他好文 时间：
2020-02-17 11:54:07
阅读次数：
458
多层感知机（multi perceptron，MLP）。对于普通的含隐藏层的感知机，由于其全连接层只是对数据做了仿射变换，而多个仿射变换的叠加仍然是一个仿射变换，即使添加更多的隐藏层，这种设计也只能与仅含输出层的单层神经网络等价。解决问题的一个方法是引入非线性变换，对隐藏变量使用非线性变化，然后作为 ...
分类：
其他好文 时间：
2020-02-13 00:28:31
阅读次数：
113
深度学习之卷积神经网络 卷积神经网络 - 结构 卷积层 通过在原始图像上平移来提取特征 激活层 增加非线性分割能力 池化层 减少学习的参数，降低网络的复杂度（最大池化和平均池化） 全连接层 卷积层（Convolutional Layer） 卷积核 - filter - 过滤器 - 卷积单元 - 模型 ...
分类：
其他好文 时间：
2020-02-07 22:40:01
阅读次数：
94
