科霍宁SOFM是一个前馈无监督学习网络，它由两层组成：输入层和输出层。输入层，也称匹配层，计算输入模式向量与权重向量的距离，即匹配度；输出层也叫比赛层，诸神按照匹配度比赛，匹配度大(距离小)的神经元确定获胜。获胜神经元及其场中神经元的权重向量在更接近模式向量的方向上更新。经过反复的竞争和更新 ...

神经网络是如何工作的 前言 　　计算机所在的在本质上都是一系列的加法操作，只是计算机运行速度要快很多。但是有些任务对于人来说很简单，对于计算机来说却很困难（比如图像识别）。 预测器 　　神经网络和计算机一样，对于输入和输出都做了一些处理，当我们不知道这些是什么具体处理的时候，可以使用模型 ...

import numpy as npimport scipy.specialimport matplotlib.pyplot as pltimport pylab class NeuralNetwork(): # 初始化神经网络 def __init__(self, inputnodes ...

来源我的GitHub博客 点击更好的阅读体验 Addicted to Learning 网络上深度学习相关博客教程质量参差不齐，很多细节很少有文章提到，所以本着夯实深度学习基础的想法写下此系列博文。 本文会从神经网络的概述、不同框架的公式推导和对应的基于numpy的Python代码实现等方面 ...

跟着这位博主来学习C++的卷积网络实例，因为作者一直在更新代码，所以新的代码和这位博主的分析有所不同；这位博主写的东西太泛了，没有讲到实质， 可以参考下他分析的类与类之间的关系图。。 前四节：http://blog.csdn.net ...

...

卷积神经网络CNN是Deep Learning的一个重要算法，在很多应用上表现出卓越的效果，[1]中对比多重算法在文档字符识别的效果，结论是CNN优于其他所有的算法。CNN在手写体识别取得最好的效果，[2]将CNN应用在基于人脸的性别识别，效果也非常不错。前段时间我用BP神经网络对手机拍照图片 ...

pytorch卷积神经网络训练 关于卷积神经网络（CNN）的基础知识此处就不再多说，详细的资料参考我在CSDN的说明 CNN卷积神经网络原理流程整理 以下是一个可视化展示卷积过程的网站 https://www.cs.ryerson.ca/~aharley/vis/conv/ 一、使用 ...