创建神经网络模型 1、构建神经网络结构，并进行模型训练 2、可视化模型的参数变化等操作 　　使用tensorboard进行可视化 　　　　1、将需要可视化的操作保存在‘logs’文件夹下 　　　　2、cmd进入logs文件夹所在的父文件路径 ...

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 ...

基础概念： 　　卷积神经网络（CNN）：属于人工神经网络的一种，它的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。卷积神经网络不像传统的识别算法一样，需要对数据进行特征提取和数据重建，可以直接将图片作为网络的输入，自动提取特征，并且对图形的变形等具有高度不变形。在语音分析和图像识别 ...

一、神经网络的实现过程 　　1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征数据喂给 NN，迭代优化 NN 参数 4、使用训练好的模型预测和分类 二、前向传播　　 　 前向传播就是搭建模型的计算 ...

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 ...

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 ...