import numpy as np import matplotlib.pyplot as plt X=np.array([[1,3,3], [1,4,3], [1,1,1]]) Y=np.array([1,1,-1]) W=(np.random.random(3)-0.5)*2 print(W)... ...
分类：
编程语言 时间：
2017-11-03 22:02:07
阅读次数：
312
导读：关于Alfa Go的评论文章很多，但真正能够与开发团队交流的却不多，感谢Alfa Go开发团队DeepMind的朋友对我这篇文章内容的关注与探讨，指出我在之前那一版文章中用字上的不够较精确，所以在此又作调整。我之前文章提到的「全局」指的是跨时间点的整场赛局，很容易被误认为是某个特定时点整个棋盘 ...
分类：
其他好文 时间：
2017-11-01 13:31:42
阅读次数：
128
# week1## 数量积（又称点积）是输入两个向量，输出实数值标量的二元运算，是欧几里得空间的标准内积ab = a1b1+a2b2+...使用矩阵乘法内积可以表示为 a.b = aT*b =|a||b|cos # week2## 感知器学习算法PLA ```math \sum_{i = 1}^{n ...
分类：
其他好文 时间：
2017-11-01 01:13:18
阅读次数：
143
原图如下： 虽然这些节点图不能显示各个模型的内部工作过程，但是这些节点图的汇总可以让我们在同一层面上对比不同神经网络的结构特点，从而对不同神经网络之间的关系有一个更为具象的理解。 感知器（Perceptrons）和前馈神经网络（Feed Forward Neural Networks） 单层感知器是 ...
分类：
其他好文 时间：
2017-10-26 20:01:05
阅读次数：
212
Perceptron Learning Algorithm 感知器算法， 本质是二元线性分类算法，即用一条线／一个面／一个超平面将1，2维／3维／4维及以上数据集根据标签的不同一分为二。 算法确定后，根据W取值的不同形成不同的h，构成假设集合H。 如2维感知器算法，根据w0,w1,w2的不同取值，构 ...
分类：
其他好文 时间：
2017-10-07 19:46:51
阅读次数：
204
1.贝叶斯学派和频率学派 在数理统计领域，贝叶斯学派和频率学派两派争论已久，关于两派的具体思想不做深入研究，仅探讨它们在机器学习中的一点粗浅的应用。 机器学习中的朴素贝叶斯方法和逻辑回归相比，朴素贝叶斯判据需要一个事件的先验概率和相应的类条件概率，可用贝叶斯公式看出。 而逻辑回归，使用的是最大似然的 ...
分类：
其他好文 时间：
2017-10-06 18:06:03
阅读次数：
531
1.1 感知器 感知器的输出为： wj为权重，表示相应输入对输出的重要性； threshold为阈值，决定神经元的输出为0或1。 也可用下式表示： 其中b=-threshold，称为感知器的偏置。 通过学习算法，能够自动调整人工神经元的权重和偏置。 1.2 S型神经元 感知器模型中，权重或偏置的微小 ...
分类：
其他好文 时间：
2017-10-03 17:48:34
阅读次数：
152
权重向量W,训练样本X 1.把权重向量初始化为0,或把每个分量初始化为[0,1]之间的任意小数 2.把训练样本输入感知器,得到分类结果(-1或者1) 3.根据分类结果更新权重向量 感知器算法适用于图一的可线性分隔开的数据样本 ...
分类：
编程语言 时间：
2017-09-24 09:45:51
阅读次数：
185
参考资料：Mastering Machine Learning With scikit-learn 支持向量机（support vector machine， SVM）一种强大的分类和回归模型，可以有效的解决线性不可分问题。 感知器不能有效的解决线性不可分问题。其实线性回归里面已经遇到过类似的问题， ...
分类：
其他好文 时间：
2017-09-07 18:18:21
阅读次数：
179
感知器通常用下面的图形表示： x1，x2和x3是输入单元。每个输入单元分别代表一个特征。感知器通常用另外一个输入单元代表一个常用误差项，但是这个输入单元在图形中通常被忽略了。中间的圆圈是一个计算单元，类似神经元的细胞核连接输入单元和计算单元的边类似于树突。每条边是一个权重，或者是一个参数。参数容易解 ...
分类：
其他好文 时间：
2017-09-07 13:36:47
阅读次数：
179
