实现我们分类数字的网络 好，让我们使用随机梯度下降和 MNIST训练数据来写一个程序来学习怎样识别手写数字。 我们用Python (2.7) 来实现。只有 74 行代码！我们需要的第一个东西是 MNIST数据。如果有 github 账号，你可以将这些代码库克隆下来 ...

最近忙里偷闲学习了一点机器学习的知识，看到神经网络算法时我和阿Kun便想到要将它用Python代码实现。我们用了两种不同的方法来编写它。这里只放出我的代码。 MNIST数据集基于美国国家标准与技术研究院的两个数据集构建而成。训练集中包含250个人的手写数字，其中50%是高中生，50%来自人口 ...

运行完测试一下 数字0 输出结果矩阵y 代表数字0的y[0]=0.957864064，代表1-9的y[1:9]的结果接近于0，识别结果是数字0。 ...

　　　　首先，关于神经网络，其实是一个结合很多知识点的一个算法，关于cnn（卷积神经网络）大家需要了解： 　　　　　　　　　　下面给出我之前总结的这两个知识点（基于吴恩达的机器学习） 　　　　　　　　　　代价函数： 　　　　　　　　　　代价函数 　　　　　　　　　　代价函数（Cost ...

1.1 感知器 感知器的输出为： wj为权重，表示相应输入对输出的重要性； threshold为阈值，决定神经元的输出为0或1。 也可用下式表示： 其中b=-threshold，称为感知器的偏置。 通过学习算法，能够自动调整人工神经元的权重和偏置。 1.2 ...

　　上篇文章中我们讲解了卷积神经网络的基本原理，包括几个基本层的定义、运算规则等。本文主要写卷积神经网络如何进行一次完整的训练，包括前向传播和反向传播，并自己手写一个卷积神经网络。如果不了解基本原理的，可以先看看上篇文章：【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理 ...

预测线性函数 z = w1 * x1 + w2 * x2 ...

记得上次练习了神经网络分类，不过当时应该有些地方写的还是不对。 这次用神经网络识别mnist手写数据集，主要参考了深度学习工具包的一些代码。 mnist数据集训练数据一共有28*28*60000个像素，标签有60000个。 测试数据一共有28*28*10000个，标签10000 ...