神經網絡技術是通過計算機程序來從數據中學習，它是基于人類大腦學習的過程建立的。首先，創建神經元，然后鏈接在一起，互相發送消息；其次，網絡是用來解決問題的，每次加強通往成功的鏈接，減弱通往失敗的鏈...

使用高級分析算法(如大規模機器學習、圖形分析和統計建模等)來發現和探索數據是當前流行的思路，在IDF16技術課堂上，英特爾公司軟件開發工程師王以恒分享了《基于Apache Spark的機器學習及...

本文以及后續關于 Torch 應用及機器學習相關的筆記文章，均基于 牛津大學2015機器學習課程 ，課件和視頻可從 官網 下載。本文主要關于神經網絡模型中的隨機梯度下降法，介紹其原理及推導過程，...

我們訓練了一個大型的深度卷積神經網絡，來將在ImageNet LSVRC-2010大賽中的120萬張高清圖像分為1000個不同的類別。對測試數據，我們得到了top-1誤差率37.5%，以及top...

最近實驗室要把一部分方向轉為深度學習這一方向，而且電腦也配好了，研一的課程也結束了，趕緊抓緊時間把開發環境給弄好。

前言： 主要總結一下自己最近看文章和代碼的心得。 1. CNN用于分類：具體的過程大家都知道，無非是卷積，下采樣，激活函數，全連接等。CNN用于分類要求它的輸入圖片的大小是固定的（其實不單單是...

邏輯回歸：首先，它不是一個回歸模型，而是一個分類模型，它是被用來做分類的。 之所以稱之為回歸，是因為它的學習的是模型模型的參數以最佳擬合已有的數據。（比如，根據已有的一些點，回歸出它的直線參數的...

作為第一次做Kaggle的比賽，來練練手還是不錯的。

TensorFlow 是谷歌開源的機器學習框架，相對于其它現有框架來說，其具有比較好的擴展性，但是也犧牲了它的速度。 下面介紹Tensorflow 的基本使用

給定一個正整數n(0代碼：#includeusing namespace std;int main(){?long num[14];?int i,k=1;?for(i=1;i?{??k*=5;?...

【機器學習】Tensorflow學習筆記

深度學習一般沒有進行直接的檢測，現有的檢測大多都是基于分類的檢測，主要的方法有兩種：

這是「神經網絡和深度學習簡史」的第三部分（第一部分，第二部分）。在這一部分，我們將繼續了解90年代研究的飛速發展，搞清楚神經網絡在60年代末失去眾多青睞的原因。

第一節、神經網絡基本原理 ?

導讀：這是《神經網絡和深度學習簡史》第二部分，這一部分我們會了解BP算法發展之后一些取得迅猛發展的研究，稍后我們會看到深度學習的關鍵性基礎。還沒有看過第一部分的讀者可以 戳這里 。（←點擊閱讀）

Adam Harley的卷積神經網絡3D視覺化模型能夠讓你一窺人工智能的內部工作。

導讀：這是《神經網絡和深度學習簡史》第一部分。這一部分，我們會介紹1958年感知器神經網絡的誕生，70年代人工智能寒冬以及1986年BP算法讓神經網絡再度流行起來。

機器學習欄目記錄我在學習Machine Learning過程的一些心得筆記，涵蓋線性回歸、邏輯回歸、Softmax回歸、神經網絡和SVM等等，主要學習資料來自Standford Andrew N...

作者： 龍心塵&&寒小陽像deep learning、DNN、BP神經網絡等這些高逼格的詞，真的很能嚇唬人，但真正的內容什么，很多人卻解釋得不多，要么說得太晦澀，要么說得太神叨。其實，就我們的粗...

在學界一般認為，《紅樓夢》后 40 回并非曹雪芹所著。本文嘗試應用機器學習的方法來分析原著文本中作者的用詞習慣，從技術角度去說明《紅樓夢》前 80 回和后 40 回的寫作風格差別，繼而可以確認后...