注：这里的练习鉴于当时理解不完全，可能会有些错误，关于神经网络的实践可以参考我的这篇博文 这里的代码只是简单的练习，不涉及代码优化，也不涉及神经网络优化，所以我用了最能体现原理的方式来写的代码。 激活函数用的是h = 1/(1+exp(-y))，其中y=sum([X Y].*w)。 代价函数 ...

　　自适应线性元件20世纪50年代末由Widrow和Hoff提出，主要用于线性逼近一个函数式而进行模式联想以及信号滤波、预测、模型识别和控制等。 　　线性神经网络和感知器的区别是，感知器只能输出两种可能的值，而线性神经网络的输出可以取任意值。线性神经网络采用Widrow-Hoff学习规则 ...

　　BP神经网络是包含多个隐含层的网络，具备处理线性不可分问题的能力。 　　20世纪80年代中期，Rumelhart，McClelland等成立了Parallel Distributed Procession（PDP）小组，提出了著名的误差反向传播算法（Error Back Propagtion ...

　　本科毕业设计涉及用机器学习的方法训练预测模型，线性回归、SVM、RF等方法表现均不理想，于是需要用简单的神经网络方法做对比实验。在对NN的优化没有深入理解的情况下，直接调用了R包提供的接口，在此略作记录，供以后反思改进。 　　主要用到了nnet、neuralnet、h2o这几个包，具体的建模 ...

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 ...

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 ...

本文是学习B站老哥数学建模课程之后的一点笔记。 BP（back propagation）算法神经网络的简单原理 BP神经网络是一种采用BP学习算法（按照误差逆向传播训练）的多层前馈神经网络，是应用最广泛的神经网络。 神经网络基本结构如下： 共分为三层，可以理解为一组输入 ...

1.设计函数 solvein 设计线性网络； solverb 设计径向基网络； solverbe 设计精确的径向基网络； solvehop 设计Hopfield网络。 2.传递函数 ...