HTTP代理神器Fidder 工作原理 Fiddler抓取HTTPS设置 Fiddler 如何捕获Chrome的会话 Fiddler 如何捕获Firefox的会话 Fiddler如何捕获HTTPS会话 Fiddler的基本界面 Fiddler强大的Script系统 HTTP代理神器Fidder Fiddler不但能截获各种浏览器发出的H...

Mockito 单元测试打桩神器 单元测试 Mockito Mockito 单元测试打桩神器 单元测试 软件测试是软件质量保证的关健环节，代表了需求、设计和编码的最终检查。 如上图所示，测试金字塔将测试分为三类 单元测试: 由开发者自行编写，应当覆盖80%以上的场景。对微服务架构而言，主要是在单个微服务内部，对复杂业务逻辑，编写单元...

Listary介绍 安装 快速体验 体验一：在文件夹下搜文件 体验二：随时随地，畅想自我 体验三：网络搜索，想搜就搜 总结 每个人对自己电脑上的文件存放和程序安装，都有着充满雄心壮志的规划。但是不管你如何费尽千辛万苦，随着时间的推移，你最终会慢慢发现，爸爸去哪儿了？ 这时，你会毫不犹豫地到某文件夹下，使用 Windows 右上角的搜索工...

感知器 感知器是最简单的人工神经网络结构之一，由 Frank Rosenblatt 发明于 1957。它是基于一种稍微不同的人工神经元（见图 10-4），称为线性阈值单元（LTU）：输入和输出现在是数字（而不是二进制开/关值），并且每个输入连接都与权重相连。LTU计算其输入的加权和（z = W1×1 + W2×2 + ... + + WN×n = Wt·...

栈式自编码器（SAE） 就像我们讨论过的其他神经网络一样，自编码器可以有多个隐藏层。 在这种情况下，它们被称为栈式自编码器（或深度自编码器）。 添加更多层有助于自编码器了解更复杂的编码。 但是，必须注意不要让自编码器功能太强大。 设想一个编码器非常强大，只需学习将每个输入映射到一个任意数字（并且解码器学习反向映射）即可。 很明显，这样的自编码器将完美地重...

可视化功能 一旦你的自编码器学习了一些功能，你可能想看看它们。 有各种各样的技术。 可以说最简单的技术是在每个隐藏层中考虑每个神经元，并找到最能激活它的训练实例。 这对顶层隐藏层特别有用，因为它们通常会捕获相对较大的功能，您可以在包含它们的一组训练实例中轻松找到这些功能。 例如，如果神经元在图片中看到一只猫时强烈激活，那么激活它的图片最显眼的地方都会包含...

Deeplearning Algorithms tutorial 人工神经网络(Artificial Neural Network) 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、智能助手、图像...

1. 机器学习 1. 机器学习 机器学习图书馆。 bayesian - 贝叶斯分类为Golang天真。 CloudForest - 快速，灵活，多线程的决策树集合，用于纯Go中的机器学习。 eaopt - 进化优化库。 evoli - 遗传算法和粒子群优化库。 fonet - 用Go编写的深度神经网络库。 go-clust...

Sklearn 与 TensorFlow 机器学习实用指南 目录结构 第一部分 机器学习基础 第二部分 神经网络与深度学习 附录 联系方式 编译 免责声明 赞助我们 ApacheCN 组织资源 Sklearn 与 TensorFlow 机器学习实用指南 欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远 ...

练习 使用原始的人工神经元（如图 10-3 中的一个）来计算神经网络，计算A ⊕ B （⊕ 表示 XOR 运算）。提示：A ⊕ B = (A ∧ ¬ B) ∨ (¬ A ∧ B) 。 为什么通常使用逻辑斯蒂回归分类器而不是经典感知器（即使用感知器训练算法训练单层的线性阈值单元）？你如何调整感知器使之等同于逻辑回归分类器？ 为什么激活函数是训练第...