第三章 改进神经网络的学习方法（下） 权重初始化 练习 问题 再看手写识别问题：代码 问题 如何选择神经网络的超参数 问题 练习 练习 其他技术 随机梯度下降的变种 练习 问题 人工神经元的其他模型 练习 有关神经网络的故事 第三章 改进神经网络的学习方法（下） 权重初始化 创建了神经网络后，我们需要进行权重和偏...

用基于注意力机制的seq2seq神经网络进行翻译 加载数据文件 Seq2Seq模型 编码器 解码器 简单的解码器 注意力解码器 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习 用基于注意力机制的seq2seq神经网络进行翻译 译者：@EWilsen 作者 : Sean Robertson 这个教程主要讲...

热身：一个基于矩阵的快速计算神经网络输出的方法 热身：一个基于矩阵的快速计算神经网络输出的方法 在讨论反向传播算法之前，我们先介绍一个基于矩阵的快速计算神经网络输出的方法来热热身。实际上在上一章的末尾我们经见过这个方法了，但是那时我说得很快，因此有必要详细回顾一下。另外在熟悉的上下文背景中，也能让你对反向传播会用到的符号记法感到习惯一些。 我们先介...

入门介绍 神经元 感知机（perceptron） 反向传播——BackPropagation 前向传播 反向传播 入门介绍 神经元 神经元是神经网络中最基本的结构，也可以说是神经网络的基本单元，它的设计灵感完全来源于生物学上神经元的信息传播机制。我们学过生物的同学都知道，神经元有两种状态：兴奋和抑制。一般情况下，大多数的神经元是处于...

用简单的神经网络识别手写数字 练习 用简单的神经网络识别手写数字 定义了神经网络之后，让我们回到手写数字识别的问题上来。我们可以把手写数字识别问题拆分为两个子问题。首先，我们要找到一种方法能够把一张包含若干数字的图像分割为若干小图片，其中每个小图像只包含一个数字。举个例子，我们想将下面的图像 分割为6张小图像 我们人类能够很容易地解决这...

NLP From Scratch: 基于注意力机制的 seq2seq 神经网络翻译 加载数据文件 Seq2Seq模型 编码器 解码器 简单解码器 带有注意力机制的解码器 训练 准备训练数据 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习题 NLP From Scratch: 基于注意力机制的 seq2seq 神经...

5.2 感知机与多层网络 5.2 感知机与多层网络 感知机（Perceptron）是由两层神经元组成的一个简单模型，但只有输出层是M-P神经元，即只有输出层神经元进行激活函数处理，也称为功能神经元（functional neuron）；输入层只是接受外界信号（样本属性）并传递给输出层（输入层的神经元个数等于样本的属性数目），而没有激活函数。这样一...

0.深度学习简介 1.深度前馈神经网络 2.反向传播算法 3.正则化 4.最优化基础 5.卷积神经网络 5.1.CNN之图片分类 6.循环神经网络 7.Transformer 8.词向量 9.传统 CTR 预估模型 10.神经网络 CTR 预估模型 11.Graph Embedding 12.Graph Embedding(续) ...

概述 数据处理 经典的全连接神经网络 卷积神经网络 概述 前几节我们尝试使用与房价预测相同的简单神经网络解决手写数字识别问题，但是效果并不理想。原因是手写数字识别的输入是28 × 28的像素值，输出是0-9的数字标签，而线性回归模型无法捕捉二维图像数据中蕴含的复杂信息，如 图1 所示。无论是牛顿第二定律任务，还是房价预测任务，输入特征和...

Deeplearning Algorithms tutorial Hopfield网络(Hopfield Network) 优缺点 应用领域 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗，覆盖无人驾驶、智...