学习率learning_rate: 学习率表示每次参数更新的幅度 1.表达式：Wn+1 = Wn - learning_rate * ▽ Wn+1：更新后的参数 Wn：当前参数 learning_rate：学习率 ▽：损失函数的梯度（导数） 也就是参数的更新向着梯度下降的方向 2.定义损失函数 lo ...
分类：
其他好文 时间：
2019-09-09 11:42:19
阅读次数：
241
ReLU层的设计： ReLU函数： 导数： Sigmoid层的设计： Affine 层： Softmax-with-Loss 层的实现 对应误差反向传播法的神经网络的实现： ...
分类：
编程语言 时间：
2019-09-02 17:41:32
阅读次数：
190
前言 来源于网络，感谢原作者。 函数导数 三角向量 数列不等式 解析几何 立体几何 统计概率 其他内容 ...
分类：
其他好文 时间：
2019-09-01 15:03:25
阅读次数：
148
插值的通俗解释就是一种用一些已知的数据去预测想要的数据的方法。 多项式插值 多项式插值是最常见的一种函数插值(插值函数为多项式)。 $${p_n}(x) = {a_0} + {a_1}x + {a_2}{x^2} + \cdots + {a_n}{x^n}$$ 从几何上看可以理解为：已知平面上n+1 ...
分类：
其他好文 时间：
2019-08-31 14:37:40
阅读次数：
66
目录 梯度消失 梯度爆炸 参考资料 以下图的全连接神经网络为例，来演示梯度爆炸和梯度消失： 梯度消失 在模型参数w都是(-1,1)之间的数的前提下，如果激活函数选择的是sigmod(x)，那么他的导函数σ’(x)的值域为(0,0.25]，即如下三项的范围都是(0,0.25] 那么w1的导数会有很多( ...
分类：
其他好文 时间：
2019-08-20 10:41:06
阅读次数：
101
一晚上看完杰弗里·波梅兰茨《元数据：用关于数据的数据管理你的世界》。 元数据最为常见、也许是最不实用的一个定义是”关于数据的数据“。 这句话第一次见是在地理信息系统课堂上，那时也是讲得很悬乎，没懂什么意思。这种嵌套的定义被搞得很玄学一样。 类似的二阶导数不是也定义为”关于函数导数的导数“嘛？ ”元数 ...
分类：
其他好文 时间：
2019-08-16 18:46:44
阅读次数：
102
本文主要介绍Go语言中数组（array）及它的基本使用。 Array(数组) 数组是同一种数据类型元素的集合。 在Go语言中，数组从声明时就确定，使用时可以修改数组成员，但是数组大小不可变化。 基本语法： 数组定义： 比如：var a [5]int， 数组的长度必须是常量，并且长度是数组类型的一部分 ...
分类：
编程语言 时间：
2019-08-13 22:18:55
阅读次数：
103
这里小编介绍两种导入数据的方式，一种是基于hive，一种是基本文件生成HFile。1.hive-hbase-handler导数据这种方式需要一个jar包支持：下载地址：将其放入$HBASE_HOME/lib并将原有的jar包复制。其次修改hive-site.xml：#加入：<property><name>hive.aux.jars.path</
分类：
其他好文 时间：
2019-08-05 17:17:58
阅读次数：
189
1. 基本原理 变换形式如下$$T(r) = c\lg(r+1)$$ c为常数 由于对数函数的导数随自变量的增大而减小，对数变换将输入窄范围的低灰度值扩展为范围宽的灰度值和宽范围的高灰度值压缩为映射为范围窄灰度值。从视觉上，通常是图片变得更亮了 2. 测试结果 对数变换，参数C=1（图源自skima ...
分类：
编程语言 时间：
2019-08-04 10:48:52
阅读次数：
261
polyval(a,x) 参数 1.多项式的系数向量 2.自变量 polyval()求导后某位置的值 conv（向量卷积运算）所谓两个向量卷积，说白了就是多项式乘法。比如:p=[1 2 3],q=[1 1]是两个向量，p和q的卷积如下：把p的元素作为一个多项式的系数，多项式按升幂（或降幂）排列，比如 ...
分类：
其他好文 时间：
2019-08-03 18:49:12
阅读次数：
105
