本次回归章节的思维导图版总结已经总结完毕，但自我感觉不甚理想。不知道是模型太简单还是由于自己本身的原因，总结出来的东西感觉很少，好像知识点都覆盖上了，但乍一看，好像又什么都没有。不管怎样，算是一次尝试吧，慢慢地再来改进。在这里再梳理一下吧！ 线性回归（Linear Regression） 给定一些数 ...
分类：
其他好文 时间：
2017-03-12 15:29:11
阅读次数：
329
本文参考Yann LeCun的LeNet5经典架构，稍加ps得到下面适用于本手写识别的cnn结构，构造一个两层卷积神经网络，神经网络的结构如下图所示： 输入-卷积-pooling-卷积-pooling-全连接层-Dropout-Softmax输出 第一层卷积利用5*5的patch，32个卷积核，可以 ...
分类：
其他好文 时间：
2017-03-03 22:14:38
阅读次数：
1575
1 摘要 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题，回归属于有监督学习中的一种方法。该方法的核心思想是从连续型统计数据中得到数学模型，然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维的。 讲义最初介绍了一个基本问题，然后引出了线性回 ...
分类：
其他好文 时间：
2017-03-02 15:21:47
阅读次数：
340
一.基于TensorFlow的softmax回归模型解决手写字母识别问题 详细步骤如下： 1.加载MNIST数据： input_data.read_data_sets('MNIST_data',one_hot=true) 2.运行TensorFlow的InterractiveSession: ses ...
分类：
其他好文 时间：
2017-02-27 21:13:46
阅读次数：
715
神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。 数据从输入层输入，在隐藏层进行加权变换，最后在输出层进行输出。输出的时候，我们可以使用softmax回归，输出属于每个类别的概率值。 其中，x1,x2,x3为输入数据，经过运算后，得到三个数据属于某个类别的概率值y1,y2,y3. 用简 ...
分类：
其他好文 时间：
2017-02-24 12:20:51
阅读次数：
795
1、使用tensorflow的SoftMax函数，对手写数字进行识别 最后，训练后得到的模型在测试数据上的正确率是0.9167 ...
分类：
其他好文 时间：
2017-01-11 08:14:15
阅读次数：
278
本文讲解一些其它的常用层，包括：softmax-loss层，Inner Product层，accuracy层，reshape层和dropout层及它们的参数配置。 1、softmax-loss softmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算的是类别的概 ...
分类：
其他好文 时间：
2016-12-31 14:40:35
阅读次数：
512
本文总结自《Neural Networks and Deep Learning》第3章的内容。 目录 交叉熵代价函数（The cross-entropy cost function） 柔性最大值（softmax） 过度拟合（Overfitting） 规范化（regularization） 权重初始化 ...
分类：
其他好文 时间：
2016-12-19 00:14:41
阅读次数：
329
Logistic回归、传统多层神经网络1.1 线性回归、线性神经网络、Logistic/Softmax回归线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ...
分类：
其他好文 时间：
2016-12-12 20:22:33
阅读次数：
440
首先说明啊：logistic分类器是以Bernoulli（伯努利） 分布为模型建模的，它可以用来分两种类别；而softmax分类器以多项式分布（Multinomial Distribution）为模型建模的，它可以分多种互斥的类别。 补充： 什么是伯努利分布？伯努利分布[2] 是一种离散分布,有两种... ...
分类：
其他好文 时间：
2016-12-04 20:09:18
阅读次数：
613
