一． 摘要 這里將繼續介紹NLP算法體系：基於人工神經網絡（Artinci Neural Network）的深度學習方法。人工神經網絡思想來源於仿生學對大腦機制的探索，即希望通過對大腦的模擬達到智能的目的。神經網絡理論與技術就是在這樣的目標下摸索發展出來的。神經網絡是由具有自適應的單元組成 ...

1. 池化層 在卷積網絡中， 通常會在卷積層之間增加池化（Pooling） 層， 以降低特征圖的參數量， 提升計算速度， 增加感受野， 是一種降采樣操作。池化是一種較強的先驗， 可以使模型更關注全局特征而非局部出現的位置， 這種降維的過程可以保留一些重要的特征信息， 提升容錯能力 ...

本文來自於 [1] BP神經網絡 和 [2] Wikipedia: Backpropagation，感謝原文作者！ 1- M-P模型 　　按照生物神經元，我們建立M-P模型。為了使得建模更加簡單，以便於進行形式化表達，我們忽略時間整合作用、不應期等復雜因素，並把 ...

一、神經元 神經元模型是一個包含輸入，輸出與計算功能的模型。（多個輸入對應一個輸出） 一個神經網絡的訓練算法就是讓權重（通常用w表示）的值調整到最佳，以使得整個網絡的預測效果最好。 事實上，在神經網絡的每個層次中，除了輸出層以外，都會含有這樣一個偏置單元。這些節點是默認存在的。它本質上 ...

一、前言 這篇卷積神經網絡是前面介紹的多層神經網絡的進一步深入，它將深度學習的思想引入到了神經網絡當中，通過卷積運算來由淺入深的提取圖像的不同層次的特征，而利用神經網絡的訓練過程讓整個網絡自動調節卷積核的參數，從而無監督的產生了最適合的分類特征。這個概括可能有點抽象，我盡量在下面描述細致一些 ...

　　無論即將到來的是大數據時代還是人工智能時代，亦或是傳統行業使用人工智能在雲上處理大數據的時代，作為一個有理想有追求的程序員，不懂深度學習這個超熱的技術，會不會感覺馬上就out了？現在救命稻草來了，中國知名黑客教父，東方聯盟創始人郭盛華曾在新浪微博作了以下技術分析： 　　遞歸神經網絡是深度學習 ...

根據本文內容用 Numpy 實現的一個前饋神經網絡 https://github.com/massquantity/DNN_implementation 本篇本來是想寫神經網絡反向傳播算法，但感覺光寫這個不是很完整，所以就在前面將相關的求導內容一並補上。所謂的神經網絡求導，核心是損失函數對線 ...

BP（Back Propagation）神經網絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系 ...