摘要：
记录一下filter，也就是用来提取要识别object边缘信息的过滤器的一些规律以及经验： 首先， 大部分卷积神经网络滤波器都会采用逐层递增（1⇒ 3 ⇒ 5 ⇒ 7）的方式。其次，每经过一次池化层，卷积层过滤器的深度都会乘以 2。 提一个知识点，也就是权值共享，每当filter扫过feature 阅读全文
摘要：
记录一下感受野的理解： 在神经网络中，感受野的定义是： 神经网络的每一层输出的特征图（Feature ap）上的像素点在原图像上映射的区域大小。 1. 神经网络中，第一个卷积层的 感受野大小，就等于filter，滤波器的大小。 2. 深层卷积层的感受野大小和它之前所有层的滤波器大小和步长有关系。 3 阅读全文
摘要：
再次回顾一下CNN，看到了一篇对CNN理解很到位的文章，所以想以自己的理解记录下来，以便复习。 下一篇，就开始记录RNN， LSTM的学习历程。 1. 这张图很形象的解释了，filter也就是滤波器，是如何扫过一张图片，加以计算的。以第一个为例子，用图片上的3x3矩阵，和filter相乘，得到卷积的 阅读全文
摘要：
通过对斯坦福大学2017秋季，卷积神经网络的公开课CS231n，做以总结，辅助学习Tensorflow地址：https://cs231n.github.io/convolutional-networks/ Convolutional Neural Networks（CNN）： 首先卷积神经网络和传统 阅读全文
摘要：
TensorFlow 是google提供的一个机器学习的主流框架，调用一下Wiki的解释： Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处 阅读全文
摘要：
通过之前两章的学习，基于input, hidden, output, 3层的神经网络，我们尝试来做一些人工智能的小项目。 前两章链接： 第一章 ：https://www.cnblogs.com/ChrisInsistPy/p/9002880.html 第二章 ：https://www.cnblogs 阅读全文
摘要：
通过前面的理论学习，以及关于Error和weight的关系分析，得出的公式，练习做一个自己的三层神经网络，based on Python3.5： 跟随书上的python introduction，介绍下numpy中的zeros(): 结果是： [[1. 0.] [0. 2.] [0. 5.]] 可以 阅读全文
摘要：
接下来处理下之前收集到的房地产数据数据： 先分享一个学习数据预处理，数据挖掘，机器学习的实用网站：http://scikit-learn.org/stable/，有很多对应的教程。 之前收集数据文章的链接：http://www.cnblogs.com/ChrisInsistPy/p/9023477. 阅读全文
摘要：
经过之前的小练习，今天准备做一个相对较为复杂的小项目，最近看到一条新闻说深圳的房价断崖式下跌，平均每月均价下跌46块钱。。。所以准备尝试着抓取互联网上真实的卖房数据，通过大数据的分析，来帮想在深圳买房的小伙伴们，做一个辅助决策分析。 首先我们百度一下，top 3的卖房网站(对百度的竞价排名持怀疑态度 阅读全文
摘要：
1. threshold临界点：当training data足够多的时候，便会达到临界点， 使得神经元释放output 2. Activation functions: 激励函数，在神经网络中，利用激励函数可以把线性函数转化为平滑的曲线型函数 sigmoid函数： 当x=0时，y=0.5 在开始阶段 阅读全文