神经网络算法以及Tensorflow的实现 一、多层向前神经网络(Multilayer Feed-Forward Neural Network) 多层向前神经网络由三部分组成：输入层(input layer), 隐藏层 (hidden layers), 输入层 (output ...

1.标准卷积神经网络 标准的卷积神经网络由输入层、卷积层（convolutional layer）、下采样层（downsampling layer）、全连接层（fully—connected layer）和输出层构成。 卷积层也称为检测层 下采样层也称为池化层（pooling ...

一、BP神经网络的概念 BP神经网络是一种多层的前馈神经网络，其基本的特点是：信号是前向传播的，而误差是反向传播的。详细来说。对于例如以下的仅仅含一个隐层的神经网络模型： watermark/2/text ...

转自：http://blog.csdn.net/cxmscb/article/details/71023576 一、CNN的引入 在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得 ...

tensorflow变量 在tensorflow中，变量(tf.Variable)的作用就是用来保存和更新神经网络中的参数，在声明变量的同时需要指定其初始值。 tensorflow中支持的随机数生成器： 函数名称 随机数分布 主要参数 ...

文章写的不清晰请大家原谅QAQ　　 这篇文章我们将用 CIFAR-10数据集做一个很简易的图片分类器。 在 CIFAR-10数据集包含了60,000张图片。在此数据集中，有10个不同的类别，每个类别中有6,000个图像。每幅图像的大小为32 x 32像素。虽然这么小的尺寸通常给人类识别正确的类别 ...

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、完善常用概念和细节 1、神经元模型： 　　之前的神经元结构都采用线上的权重w直接乘以输入数据x，用数学表达式即，但这样的结构不够完善。 　　完善的结构需要加上偏置，并加上激励函数。用数学公式表示为：。其中f为激励函数。 　　神经网络就是由以这样的神经元为基本单位构成 ...