3.1 原始数据分析 1）测试数据为：wine data set，储存在chapter_WineClass.mat。classnumer = 3;wine,记录了178个样本的13个属性；wine_ ...

一 感知器 感知器学习笔记：https://blog.csdn.net/liyuanbhu/article/details/51622695 感知器（Perceptron）是二分类的线性分类模型， ...

一.基于TensorFlow的softmax回归模型解决手写字母识别问题 详细步骤如下： 1.加载MNIST数据： input_data.read_data_sets('MNIST_data',one_hot=true) 2.运行TensorFlow的InterractiveSession ...

代码如下 import numpy as np import math class Neuron(object): def init(self): self.weights=np.array([1,2 ...

前面一章我们详细讲解了神经网络的组成，工作原理，信号在网络中如何流动，以及如何求解每一个输入信号赋予的权重等计算过程；同时我们还构建了一个逻辑回归网模型来解决鸢尾花分类问题，很明显，这种网络很“浅”，但它对于分类鸢尾花数据还是非常有效的，而且不仅仅是鸢尾花，对于有需要的其他二分类问题，该模型 ...

1.从感知学习算法到深度学习演化时间轴 2.非线性问题的三种解决方法： 参考资料： 1.https://www.bilibili.com/video/BV1Tt411s7fK?f ...

　　 1 前言 　　前馈神经网络（feedforward neural network）是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层，各层间没有反馈。是目前应用最广泛、发展最迅速的人工神经网络之一。研究从20世纪60年代开始，目前 ...

一、神经网络基础 1. 神经元模型 神经网络中最基本的单元是神经元模型（neuron）。 细胞体分为两部分，前一部分计算总输入值（即输入信号的加权和，或者说累积电平），后一部分先计算总输入值与该神经元阈值的差值，然后通过激活函数（activation function）的处理，产生输出 ...