下面來說明感知器模型。

A curated list of deep learning resources for computer vision, inspired byawesome-php and awesome...

神經網絡是一門重要的機器學習技術。它是目前最為火熱的研究方向–深度學習的基礎。學習神經網絡不僅可以讓你掌握一門強大的機器學習方法，同時也可以更好地幫助你理解深度學習技術。

自組織映射神經網絡， 即Self Organizing Maps (SOM)， 可以對數據進行無監督學習聚類。它的思想很簡單，本質上是一種只有輸入層--隱藏層的神經網絡。隱藏層中的一個節點代表一...

將神經網絡應用于大圖像時，輸入可能有上百萬個維度，如果輸入層和隱含層進行“全連接”，需要訓練的參數將會非常多。如果構建一個“部分聯通”網絡，每個隱含單元僅僅只能連接輸入單元的一部分，參數數量會顯...

layered 旨在實現一個干凈的前饋神經網絡。它用 Python 3寫成，使用 MIT 許可證。如果你想實現神經網絡，你可以使用這個庫作為指導。

神經網絡本質上是一種語言，我們通過它來表達對應用問題的理解。例如我們用卷積層來表達空間相關性，RNN來表達時間連續性。根據問題的復雜性和信息如何從輸入到輸出一步步提取，我們將不同大小的層按一定原...

一個適用于Node.js和瀏覽器的靈活神經網絡庫。

ConvNetJS 是用 JavaScript 實現的神經網絡，同時還有基于瀏覽器的 demo。

Brain 是一個 JavaScript 神經網絡庫。

命名實體識別（Named Entity Recognition，后文簡稱NER）是指從文本中識別具有特定類別的實體（通常是名詞），例如人名、地名、機構名、專有名詞等。命名實體識別是信息 檢索，查...

【編者按】 本文為利用GPU和Caffe訓練神經網絡的實戰教程，介紹了根據Kaggle的“奧托集團產品分類挑戰賽”的數據進行訓練一種多層前饋網絡模型的方法，如何將模型應用于新數據，以及如何將網絡...

使用前饋卷積神經網絡（convnets）來解決計算機視覺問題，是深度學習最廣為人知的成果，但少數公眾的注意力已經投入到使用遞歸神經網絡來對時間關系進行建模。而根據深度學習三大牛的闡述， LSTM...

訓練多層感知器（MLP）神經網絡進行光學字符識別（OCR）。使用修改版的驗證碼生成器節點驗證碼自動生成訓練集，最近添加了對MNIST手寫體數字數據庫支持。

scikit-neuralnetwork是對pylearn2的神經網絡封裝，兼容scikit-learn。

神經網絡是機器學習的一種重要方法，如果不去看具體的數學推導，其整體結構和思想還是很容易理解的。實現起來也很方便。

自圖靈提出“機器與智能”，一直就有兩派觀點，一派認為實現人工智能必須用邏輯和符號系統，這一派看問題是自頂向下的；還有一派認為通過仿造大腦可 以達到人工智能，這一派是自底向上的，他們認定如果能造一...

Synaptic是一個JavaScript神經網絡庫，可用于node.js 和瀏覽器環境。

語言模型是自然語言處理領域的基礎問題，其在詞性標注、句法分析、機器翻譯、信息檢索等任務中起到了重要作用。簡而言之，統計語言模型表示為：在詞序列中，給定一個詞和上下文中所有詞，這個序列出現的概率，...

1：準備數據：務必保證有大量、高質量并且帶有干凈標簽的數據，沒有如此的數據，學習是不可能的 2：預處理：這個不多說，就是0均值和1方差化