注：這里的練習鑒於當時理解不完全，可能會有些錯誤，關於神經網絡的實踐可以參考我的這篇博文 這里的代碼只是簡單的練習，不涉及代碼優化，也不涉及神經網絡優化，所以我用了最能體現原理的方式來寫的代碼。 激活函數用的是h = 1/(1+exp(-y))，其中y=sum([X Y].*w)。 代價函數 ...

　　自適應線性元件20世紀50年代末由Widrow和Hoff提出，主要用於線性逼近一個函數式而進行模式聯想以及信號濾波、預測、模型識別和控制等。 　　線性神經網絡和感知器的區別是，感知器只能輸出兩種可能的值，而線性神經網絡的輸出可以取任意值。線性神經網絡采用Widrow-Hoff學習規則 ...

　　BP神經網絡是包含多個隱含層的網絡，具備處理線性不可分問題的能力。 　　20世紀80年代中期，Rumelhart，McClelland等成立了Parallel Distributed Procession（PDP）小組，提出了著名的誤差反向傳播算法（Error Back Propagtion ...

　　本科畢業設計涉及用機器學習的方法訓練預測模型，線性回歸、SVM、RF等方法表現均不理想，於是需要用簡單的神經網絡方法做對比實驗。在對NN的優化沒有深入理解的情況下，直接調用了R包提供的接口，在此略作記錄，供以后反思改進。 　　主要用到了nnet、neuralnet、h2o這幾個包，具體的建模 ...

記得上次練習了神經網絡分類，不過當時應該有些地方寫的還是不對。 這次用神經網絡識別mnist手寫數據集，主要參考了深度學習工具包的一些代碼。 mnist數據集訓練數據一共有28*28*60000個像素，標簽有60000個。 測試數據一共有28*28*10000個，標簽10000 ...

記得上次練習了神經網絡分類，不過當時應該有些地方寫的還是不對。 這次用神經網絡識別mnist手寫數據集，主要參考了深度學習工具包的一些代碼。 mnist數據集訓練數據一共有28*28*60000個像素，標簽有60000個。 測試數據一共有28*28*10000個，標簽10000 ...

本文是學習B站老哥數學建模課程之后的一點筆記。 BP（back propagation）算法神經網絡的簡單原理 BP神經網絡是一種采用BP學習算法（按照誤差逆向傳播訓練）的多層前饋神經網絡，是應用最廣泛的神經網絡。 神經網絡基本結構如下： 共分為三層，可以理解為一組輸入 ...

1.設計函數 solvein 設計線性網絡； solverb 設計徑向基網絡； solverbe 設計精確的徑向基網絡； solvehop 設計Hopfield網絡。 2.傳遞函數 ...