2018年5月13日
Tensorflow实战Google深度学习框架-总结-1
摘要： 第一章：深度学习简介 1⃣️应用有 1.计算机视觉 2.语音识别 3.自然语言处理 4.人机博弈 2⃣️深度学习，机器学习，AI 的关系 3⃣️主流的深度学习开源工具 最流行的是Tensorflow。 阅读全文
posted @ 2018-05-13 21:22 LiSY2016 阅读(553) 评论(0) 推荐(0) 编辑
Tensorflow训练神经网络
摘要： 以下代码摘自《Tensorflow实战Google 深度学习框架》。 由于这段代码包含了激活函数去线性化，多层神经网络，指数衰减学习率，正则化防止过拟合，滑动平均稳定模型等手段，涵盖了神经网络模型的精华，摘录于此。 注：书中的原始数据集可以在 🔗http://yann.lecun.com/exdb 阅读全文
posted @ 2018-05-13 21:07 LiSY2016 阅读(785) 评论(0) 推荐(0) 编辑
2018年4月26日
支持向量机推导过程
摘要： 阅读全文
posted @ 2018-04-26 23:29 LiSY2016 阅读(324) 评论(1) 推荐(0) 编辑
2018年4月22日
协方差矩阵计算
摘要： cov(x,y)=EXY－EX*EY 协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望 举例： Xi 1.1 1.9 3 Yi 5.0 10.4 14.6 E(X) = (1.1+1.9+3)/3=2 E(Y) = (5.0+10.4+14.6)/3=10 E(XY)=(1.1 阅读全文
posted @ 2018-04-22 15:56 LiSY2016 阅读(6798) 评论(2) 推荐(0) 编辑
方差，协方差，协方差矩阵
摘要： 🔗：https://blog.csdn.net/yelbosh/article/details/52079462 如计算矩阵 1 2 3 10 20 30 的协方差矩阵。 计算结果为： 40.5000 81.0000 121.5000 81.0000 162.0000 243.0000 121.5 阅读全文
posted @ 2018-04-22 15:56 LiSY2016 阅读(490) 评论(0) 推荐(0) 编辑
奇异值求解
摘要： 例： 矩阵 A= 1 2 ，矩阵A奇异值分解。 3 6 解： 因此奇异值是5√2，0 1⃣️解出AAT特征向量为： 特征向量进行单位化，得到 1/√10 -3/√10 3/√10 1/√10 2⃣️下面求出ATA= 10 20 20 40 特征向量是： 特征向量进行单位化，得到 1√5 -2/√5 阅读全文
posted @ 2018-04-22 15:54 LiSY2016 阅读(1090) 评论(0) 推荐(0) 编辑
特征值与特征向量的计算方法
摘要： 阅读全文
posted @ 2018-04-22 15:53 LiSY2016 阅读(6790) 评论(0) 推荐(0) 编辑
特征向量的几何意义
摘要： 阅读全文
posted @ 2018-04-22 15:51 LiSY2016 阅读(205) 评论(0) 推荐(0) 编辑
奇异矩阵
摘要： 阅读全文
posted @ 2018-04-22 15:49 LiSY2016 阅读(265) 评论(0) 推荐(0) 编辑
2018年1月5日
C++调Python示例(转载)
摘要： C++调Python，代码粘贴如下: Python代码如下： 运行结果： 第一步还是包含头文件 第二步，使用python之前，要调用Py_Initialize();这个函数进行初始化。帮助文档中如是说：The basic initialization function is Py_Initializ 阅读全文
posted @ 2018-01-05 11:00 LiSY2016 阅读(2666) 评论(0) 推荐(0) 编辑