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...

深度学习 神经网络的基本概念 深度学习的发展历程 深度学习的研究和应用蓬勃发展 深度学习改变了AI应用的研发模式 实现了端到端的学习 实现了深度学习框架标准化 作业1-1 深度学习 机器学习算法理论在上个世纪90年代发展成熟，在许多领域都取得了成功应用。但平静的日子只延续到2010年左右，随着大数据的涌现和计算机算力提升，深度学习模型异...

Deeplearning Algorithms tutorial 分层时间记忆(Hierarchical Temporal Memory) 应用示例 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...

6. 循环神经网络 6. 循环神经网络 与之前介绍的多层感知机和能有效处理空间信息的卷积神经网络不同，循环神经网络是为更好地处理时序信息而设计的。它引入状态变量来存储过去的信息，并用其与当前的输入共同决定当前的输出。 循环神经网络常用于处理序列数据，如一段文字或声音、购物或观影的顺序，甚至是图像中的一行或一列像素。因此，循环神经网络有着极为广泛的实...

Deeplearning Algorithms tutorial 卷积神经网络(Convolutional Neural Network) 应用示例 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...

Deeplearning Algorithms tutorial 反向传播(Backpropagation) 反向传播算法（BP算法）主要由两个阶段:激励传播与权重更新. 求误差的导数 应用示例 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...

神经网络层 神经网络层 卷积 池化 图像检测 序列 数学操作 激活函数 损失函数 数据输入输出 控制流 稀疏更新 使用DataFeeder传入训练/预测数据 学习率调度器 张量

神经网络层 神经网络层 卷积 池化 图像检测 序列 数学操作 激活函数 损失函数 数据输入输出 控制流 稀疏更新 使用DataFeeder传入训练/预测数据 学习率调度器 张量

基础示例：多层感知机（MLP） 数据获取及预处理： tf.keras.datasets 模型的构建： tf.keras.Model 和 tf.keras.layers 模型的训练： tf.keras.losses 和 tf.keras.optimizer 模型的评估： tf.keras.metrics 基础示例：多层感知机（MLP） 我们从编...

Visualization of MLP weights on MNIST (一)引入函式庫與資料 (二)將資料切割成訓練集與測試集 (三)設定分類器參數與訓練網路並畫出權重矩陣 (四)完整程式碼 Visualization of MLP weights on MNIST http://scikit-learn.org/stable/auto...