【翻译】给初学者的 Neural Networks / 神经网络 介绍
本文翻译自 SATYA MALLICK 的 "Neural Networks : A 30,000 Feet View for Beginners" 原文链接： https://www.learnopencv.com ...
原文：[翻译]用神经网络做回归(Using Neural Networks With Regression)
本文英文原文出自这里, 这个博客里面的内容是Java开源, 分布式深度学习项目deeplearning j的介绍学习文档. 简介: 一般来说, 神经网络常被用来做无监督学习, 分类, 以及回归. 也就是说, 神经网络可以帮助对未标记数据进行分组, 对数据进行分类, 或者在有监督训练之后输出连续的值.典型的神经网络在分类方面的应用, 会在网络的最后一层使用逻辑回归分类器 之类 的将连续 conti ...
2016-10-24 12:22 0 17155 推荐指数：
相关推荐
NNs（Neural Networks，神经网络）和Polynomial Regression（多项式回归）等价性之思考，以及深度模型可解释性原理研究与案例
1. Main Point 0x1：行文框架 第二章：我们会分别介绍NNs神经网络和PR多项式回归各自的定义和应用场景。 第三章：讨论NNs和PR在数学公式上的等价性，NNs和PR是两个等价的理论方法，只是用了不同的方法解决了同一个问题，这样我们就形成了一个统一的观察视角，不再将深度 ...
Convolutional Neural Networks (卷积神经网络)
)是deep learning的基础。传统的全连接神经网络(fully connected networks) ...
Convolutional Neural Networks卷积神经网络
转自：http://blog.csdn.net/zouxy09/article/details/8781543 9.5、Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值 ...
使用卷积神经网络做回归任务
Caffe应该是目前深度学习领域应用最广泛的几大框架之一了，尤其是视觉领域。绝大多数用Caffe的人，应该用的都是基于分类的网络，但有的时候也许会有基于回归的视觉应用的需要，查了一下Caffe官网，还真没有很现成的例子。这篇举个简单的小例子说明一下如何用Caffe和卷积神经网络（CNN ...
Recurrent Neural Networks(RNN) 循环神经网络初探
1. 针对机器学习/深度神经网络“记忆能力”的讨论 0x1：数据规律的本质是能代表此类数据的通用模式 - 数据挖掘的本质是在进行模式提取 数据的本质是存储信息的介质，而模式（pattern）是信息的一种表现形式。在一个数据集中，模式有很多不同的表现形式，不管是在传统的机器学习训练的过程 ...
递归神经网络（Recurrent Neural Networks，RNN）
在深度学习领域，传统的多层感知机（MLP）具有出色的表现，取得了许多成功，它曾在许多不同的任务上——包括手写数字识别和目标分类上创造了记录。甚至到了今天，MLP在解决分类任务上始终都比其他方法要略胜一 ...
循环神经网络(Recurrent Neural Networks, RNN)介绍
目录 1 什么是RNNs 2 RNNs能干什么 2.1 语言模型与文本生成Language Modeling and Generating Text 2.2 机器翻译Machine Translation 2.3 语音识别Speech Recognition 2.4 图像描述 ...