摘要：
1 前言 keras是Google公司于2016年发布的以tensorflow为后端的用于深度学习网络训练的高阶API，因接口设计非常人性化，深受程序员的喜爱。 keras建模有3种实现方式——序列模型、函数模型、子类模型。本文以MNIST手写数字为例，用3种建模方式实现。 关于MNIST数据集的说 阅读全文
摘要：
1 理论 计算定积分时，可以通过微元法逼近，如下： 若取值均匀，公式如下： 通过上述公式可以看到，定积分的值可以通过取样点函数值的线性组合得到。当取样点已经确定时，定积分的精度取决于每个取样点所分配的权值。梯形公式、Simpson公式、Cotes公式、Romberg公式正是通过调整权值来逐步逼近积分 阅读全文
摘要：
1 MNIST数据集 MNIST数据集由70000张28x28像素的黑白图片组成，每一张图片都写有0~9中的一个数字，每个像素点的灰度值在0 ~ 255（0是黑色，255是白色）之间。 MINST数据集是由Yann LeCun教授提供的手写数字数据库文件，其官方下载地址THE MNIST DATAB 阅读全文
摘要：
1 三次样条插值 早期工程师制图时，把富有弹性的细长木条（所谓样条）用压铁固定在样点上，在其他地方让它自由弯曲，然后沿木条画下曲线，成为样条曲线。 设函数S(x)∈C2[a,b] ，且在每个小区间[xj, xj+1]上是三次多项式，其中a=x0<x1<...<xn=b 是给定节点，则称S(x)是节点 阅读全文
摘要：
1前言 1.1傅里叶变换 函数f(t)为一元连续函数，其傅里叶变换定义为： F(w)的傅里叶逆变换定义为： 其中，i为虚数单位。由欧拉公式： 任意绝对可积的连续函数f(t)，都可以用三角函数表示，由于三角函数是周期函数，由此可展开为傅里叶级数。本文不加证明地给出傅里叶级数展开式： 设F是所有由一元连 阅读全文
摘要：
1 前言 在使用RBF神经网络实现函数逼近中，笔者介绍了使用 Matlab 训练RBF神经网络。本博客将介绍使用 tensorflow 训练RBF神经网络。代码资源见：RBF案例（更新版） 这几天，笔者在寻找 tensorflow 中 RBF 官方案例，没找到，又看了一些博客，发现这些博客或不能逼近 阅读全文
摘要：
1 前言 循环神经网络（Recurrent Neural Network, RNN）又称递归神经网络，出现于20世纪80年代，其雏形见于美国物理学家J.J.Hopfield于1982年提出的可作联想存储器的互联网络——Hopfield神经网络模型。RNN是一类专门用于处理和预测序列数据的神经网络，其 阅读全文
摘要：
1 统计学语言模型 自然语言处理（Natural Language Processing，NLP）中最基本的问题是：**如何计算一个单词（或一段单词序列）在某种语言下出现的概率？**即，下文连乘概率式每一项的求取问题。 对于一段拥有T个单词的序列S=(w1,w2,...,wT)，计算它出现的概率如下 阅读全文
摘要：
1 待拟合函数 noise服从均值为0，方差为15的正太分布，即noise ~ N(0,15)。 2 基于模型的训练 根据散点图分布特点，猜测原始数据是一个二次函数模型，如下： 其中，a,b,c为待训练参数 import tensorflow as tf import numpy as np imp 阅读全文
摘要：
1 MNIST数据集和CNN网络配置 关于MNIST数据集的说明及配置见使用TensorFlow实现MNIST数据集分类 CNN网络参数配置如下： 原始数据：输入为[28,28]，输出为[1,10] 卷积核1：[5,5]，32个特征 -->282832 池化核1：[2,2]，最大池化 -->1414 阅读全文
