摘要: 在跑tensorflow事例时 $ python /Users/miao/anaconda/lib/python2.7/site-packages/tensorflow/models/image/mnist/convolutional.py 报如下错误 ValueError: Only call ` 阅读全文
posted @ 2017-02-10 17:41 xmeo 阅读(2531) 评论(0) 推荐(0) 编辑
摘要: LSTM长短期记忆(Long Short-Term Memory) LSTM的表现通常比时间递归神经网络及隐马尔科夫模型(HMM)更好, 之所以出现LSTM, 是为了解决,当 要训练的时间序列过长时, RNN会丧失学习很远信息的能力, 由于反馈神经网络的链式求导计算, 会引起梯度爆炸, 或梯度消失, 阅读全文
posted @ 2017-02-03 17:49 xmeo 阅读(230) 评论(0) 推荐(0) 编辑
摘要: 环境: python2.7(anaconda环境) Mac OS X CPU only(mac无n卡) 强大的anaconda环境管理方便安装各种包 安装tensorflow(版本1.1.0) sudo conda install -c https://conda.anaconda.org/cond 阅读全文
posted @ 2017-02-01 14:52 xmeo 阅读(618) 评论(0) 推荐(0) 编辑
摘要: 循环神经网络(Recurrent Neural Networks) RNNs 主要处理时序数据,比如一句话,词与词之间都是有顺序的,因此经常用在NLP领域,比如机器翻译,情感分析等。 一般的RNNs有多个FNN横向连接而成,其中中间有个rnn-cell, 存储的是前面序列的隐含状态s。 最基本的形式 阅读全文
posted @ 2017-01-25 16:52 xmeo 阅读(214) 评论(0) 推荐(0) 编辑
摘要: SoftMax函数: 又称归一化指数函数,是逻辑函数的一种推广,它能将一个含任意实数的K维的向量z的“压缩”到另一个K维实向量,使得每一个元素的范围都在 ( 0 , 1 ) {\displaystyle (0,1)} 之间,并且所有元素的和为1。(0,1)之间,并且所有元素的和为1。 for j = 阅读全文
posted @ 2017-01-11 19:06 xmeo 阅读(403) 评论(0) 推荐(0) 编辑
摘要: 一.多层向前神经网络 BackPropagation算法是应用在多层向前神经网络训练. 1.多层向前神经网络由以下部分组成: 输入层(input layer), 隐藏层 (hidden layers), 输入层 (output layers) 每层由单元(units)组成 输入层(input lay 阅读全文
posted @ 2017-01-07 17:15 xmeo 阅读(501) 评论(0) 推荐(0) 编辑
摘要: 卷积神经网络CNN 卷积神经网络(CNN)是一种常见的深度学习架构,受生物自然视觉认知机制启发而来。 卷积神经网络与普通神经网络的区别在于,卷积神经网络包含了一个由卷积层和子采样层构成的特征抽取器。在卷积神经网络的卷积层中,一个神经元只与部分邻层神经元连接。 什么是卷积 卷积:物理意义是:一个函数( 阅读全文
posted @ 2017-01-03 16:54 xmeo 阅读(420) 评论(0) 推荐(0) 编辑
摘要: 神经网络 结构 (Architecture) : 结构指定了网络中的变量和它们的拓扑关系。例如,神经网络中的变量可以是神经元连接的权重(weights)和神经元的激励值(activities of the neurons)。 激励函数(Activity Rule): 作用:激励函数是用来加入非线性因 阅读全文
posted @ 2016-12-20 15:30 xmeo 阅读(2332) 评论(0) 推荐(0) 编辑
摘要: 一.推荐系统需求与应用 随着信息的快速增长,信息重复和信息过多导致的被动获取的信息过载,信息搜索是根据和群体行为相关的权重排序信息,带有任务的用户寄希望能快速搜索到感兴趣的内容之后再深入阅读,再带着新的任务继续搜索,而现实的情形是个体用户不得不调整关键词反复搜索处于长尾的信息.通过搜索引擎主动获得高 阅读全文
posted @ 2016-11-06 19:58 xmeo 阅读(353) 评论(0) 推荐(0) 编辑
摘要: 奇异矩阵分解SVD 奇异矩阵分解的核心思想认为用户的兴趣只受少数几个因素的影响,因此将稀疏且高维的User-Item评分矩阵分解为两个低维矩阵,即通过User、Item评分信息来学习到的用户特征矩阵P和物品特征矩阵Q,通过重构的低维矩阵预测用户对产品的评分.SVD的时间复杂度是O(m3). 在了解奇 阅读全文
posted @ 2016-10-18 18:44 xmeo 阅读(3349) 评论(0) 推荐(0) 编辑