调用Nndl实现的神经网络code，用ANN拟合二次方程。 ref: https://github.com/mnielsen/neural-networks-and-deep-learning 准备训练数据 训练网络 网络精度 比较拟合函数 ...

本实验通过建立一个含有两个隐含层的BP神经网络，拟合具有二次函数非线性关系的方程，并通过可视化展现学习到的拟合曲线，同时随机给定输入值，输出预测值，最后给出一些关键的提示。 源代码如下： 运行结果如下： 结果实在是太棒了，把这个关系拟合的非常好。在上述的例子中，需要进一步说 ...

简介 Graph Neural Networks 简称 GNN，称为图神经网络，是深度学习中近年来一个比较受关注的领域。近年来 GNN 在学术界受到的关注越来越多，与之相关的论文数量呈上升趋势，GNN 通过对信息的传递，转换和聚合实现特征的提取，类似于传统的 CNN，只是 CNN 只能处理规则 ...

　　近期在准备美赛，因为比赛需要故重新安装了matlab，在里面想尝试一下神将网络工具箱。就找了一个看起来还挺赏心悦目的函数例子练练 ...

一个最原始粗暴的拟合任意函数的思路，是将函数切成很多段线性函数，之后用逻辑门控制当x在哪一个区间时，某些逻辑门被激活，对应的线性函数的权重w与偏移量b在逻辑门的包裹下变成非0，计算出y在这一段的输出值。 需要推导出拟合函数y=f(x)需要哪些逻辑门，以及如何使用神经网络构建这些逻辑门 ...

在TensorFlow中，使用tr.nn.conv2d来实现卷积操作，使用tf.nn.max_pool进行最大池化操作。通过闯传入不同的参数，来实现各种不同类型的卷积与池化操作。 卷积函数tf.nn.conv2d TensorFlow里使用tf.nn.conv2d函数来实现卷积，其格式 ...

在训练数据不够多，网络结构很复杂，或者overtraining时，可能会产生过拟合问题。 一般我们会将整个数据集分为训练集training data、validation data，testing data。这个validation data是什么？它其实就是用来避免过拟合的，在训练 ...

先说下一般对原始数据的划分为什么分为训练集、验证集、测试集三个部分？ train data的作用是训练模型，validation data的作用是对模型的超参数进行调节，为什么不直接在test data上对参数进行调节？因为如果在test data上来调节参数，那么随着训练的进行，我们的网络 ...