随笔分类 - 其它神经网络
CNN网络结点计算总结（1998）
摘要：图 来源：Gradient-Based Learning Applied to Document Recognition 参阅CSDN:https://blog.csdn.net/dcxhun3/article/details/46878999 c1 156=（5*5+1）*6 122304=（5*
LSTM长短期记忆神经网络模型简介
摘要：LSTM网络也是一种时间递归神经网络，解决RNN的长期依赖关系。 RNN模型在训练时会遇到梯度消失或者爆炸的问题，训练时计算和反向传播，梯度倾向于在每一时刻递增或递减，梯度发散到无穷大或者0.....没看懂吧... LSTM有输入向量，输出向量，状态，闸门等。 有了闸门机制，LSTM有长期记忆功能。
RNN模型（递归神经网络）简介
摘要：有些任务可以通过MLP多层感知器的神经网络，CNN卷积神经网络解决，因为那些任务内部的每一个前后无关联，无顺序，如MNIST手写数字子集，CIFAR子集等。 但是在自然语言处理中，每个字的前后有语义联系，或者在视频图像处理，或者在气象观测数据，股票交易数据方面，有前后的关联性，那么使用RNN网络，或
卷积神经网络简介
摘要：相比于MLP（多层感知器）的神经网络，CNN（卷积神经网络）有卷积层和池化层。 在构建MNIST字符集的识别训练过程中，卷积神经网络采用了： 输入层 卷积层1 池化层1 卷积层2 池化层2 平坦层 隐层层 输出层 输入层输入二维的图像，28X28的一个矩阵。 在卷积层1，将输入层的一个矩阵图像，采用
