yanganling

摘要： 1、 2、 3、 4、 5、 6、 阅读全文

摘要： 一、输入层到卷积层的前向传播过程 输入可以是任意维度的张量，过程的公式可表示成如下： $a^2= \sigma(z^2) = \sigma(a^1*W^2 +b^2)$ 其中，上标表示层数，星号表示卷积，b为偏倚，$\sigma$表示激活函数。 这里需要我们自定义的参数有： 1、卷积核，比如有k个， 阅读全文

摘要： CNN的结构： 卷积层和池化层可以灵活使用，卷积层和池化层后是全连接层。其中卷积层使用的激活函数是ReLU(x)$=max(0,x)$,全连接层就是DNN的结构，输出层使用了Softmax激活函数。 CNN中的卷积公式不是数学中严格意义上的卷积，CNN中一个二维的卷积公式为$s(i,j)=(X*W) 阅读全文

摘要： 大脑使用手册：学习如何学习——Coursera最火课程之一（上篇） 阅读全文

摘要： Anaconda入门使用指南 阅读全文

摘要： 阅读全文

摘要： 机器学习中的过拟合与规则化（解释了$L_0,L_1$ill-condition，和condition number）https://www.zhihu.com/question/35508851?sort=created L0范数是指向量中非0的元素的个数；L1范数是指向量中各个元素绝对值之和，也有 阅读全文

摘要： 梯度下降小结 相关概念： 1、步长（Learning rate）:步长决定了在梯度下降迭代的过程中，每一步沿梯度负方向前进的长度。 2、特征（feature）:指的是样本中输入部分，比如样本（$x_0,y_0$）,（$x_1,y_1$）,则样本特征为x，样本输出为y。 3、假设函数（hypothes 阅读全文

摘要： 空间中任意一点$x_0$到超平面S的距离公式： $ \frac {1} { ||w||} |w \bullet x_0 + b|$ 推导过程： 取点空间中一点$x_0$,，超平面S：$w \bullet x + b = 0$，其中$x_0$,w,x均为N维向量; 设点$x_0$到平面S的距离为d，点 阅读全文

摘要： 转https://www.cnblogs.com/xin-work-thoughts/archive/2011/06/07/2074566.html 阅读全文