https://blog.csdn.net/cyhbrilliant/article/details/52694943 广义回归神经网络 GRNN （General Regression Neural Network） 广义回归神经网络是基于径向基函数神经网络的一种改进。 结构分析 ...

上一篇文章我们介绍的线性模型的求解，但有很多模型是非线性的，比如： 这里表示有两个输入，一个输出。 现在我们已经不能采用y=ax+b的形式去定义一个函数了，我们只能知道输入变量的数量，但不知道某个变量存在几次方的分量，所以我们采用一个神经网络去定义一个函数。 我们假设 ...

一、循环神经网络简介 　　循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上，循环神经网络会记忆之前的信息，并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念 ...

一、深度学习与深层神经网络 深层神经网络是实现“多层非线性变换”的一种方法。 深层神经网络有两个非常重要的特性：深层和非线性。 1.1线性模型的局限性 线性模型：y =wx+b 线性模型的最大特点就是任意线性模型的组合仍然还是线性模型。 如果只通过线性变换，任意层的全连接神经网络 ...

之前写的线性回归，充斥了大量的公式，对于入门来说显得过于枯燥，所以打算重写这一部分，而了解了线性回归后，它又可以为我们解释深度学习的由来。 一、机器学习简述 机器学习可以理解为计算机根据给定的问题及数据进行学习，并可根据学习结果解决同类型的问题。可以把机器学习比作一个函数，把我们已知的数据输入 ...

转载请注明作者：梦里风林 Github工程地址：https://github.com/ahangchen/GDLnotes 欢迎star，有问题可以到Issue区讨论 官方教程地址 视频/字幕下载 ...

背景：一直想要梳理一下自己对广义线性模型的认识及思考，所有就有了这篇随笔。 前提： 1、首先明确，介绍模型会按照模型的三要素来展开，即模型（模型的参数空间），策略（如何选择最优模型，一般指代价函数/损失函数），算法（模型学习参数的方法，包括最优化方法等） 2、因为介绍的模型都是线性模型 ...

1、简单介绍 线性回归模型为，其中w1和w2为对应特征x1、x2的权重，b为偏差。 用神经网络图表现线性回归模型如下，图中未展示权重和偏差： 输入层为x1、x2，输入层个数为2，在神经网络中输入层个数即为特征数。输出为o，输出层个数为1.，即为线性回归模型中的输出。由于输入层不参与计算 ...