采用基于遗传算法的神经网络学习非线性函数。目标函数为：yp=1-exp(-i/2).
上传时间： 2013-12-09
上传用户：二驱蚊器
神经网络bp自学习算法的c++实现，是实际工程的一部分。
上传时间： 2014-12-08
上传用户：Zxcvbnm
本文回顾了近期为大众所关注的神经网络：其发展历史，从神经元开始，历经单层神经网络，两层神经网络，直到多层神经网络。共感兴趣的人士参考。
标签： 神经网络
上传时间： 2017-01-13
上传用户：rainee_zhu
该文档为神经网络--五个基本的学习算法简介资料，讲解的还不错，感兴趣的可以下载看看…………………………
标签： 神经网络
上传时间： 2021-10-23
上传用户：
深度神经网络的关键技术及其在自动驾驶领域的应用，很不错的科普文章。
上传时间： 2021-11-21
上传用户：jiabin
这是我在做大学教授期间推荐给我学生的一本书，非常好，适合入门学习。《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。作者在github公布了代码，代码几乎囊括了本书所有知识点。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾：代码的解释和注释是全英文的，即使英文水平较好的朋友看起来也很吃力。本人认为，这本书和代码是初学者入门深度学习及Keras最好的工具。作者在github公布了代码，本人参照书本，对全部代码做了中文解释和注释，并下载了代码所需要的一些数据集（尤其是“猫狗大战”数据集），并对其中一些图像进行了本地化，代码全部测试通过。（请按照文件顺序运行，代码前后有部分关联）。以下代码包含了全书约80%左右的知识点，代码目录：2.1: A first look at a neural network（ 初识神经网络）3.5: Classifying movie reviews（电影评论分类：二分类问题）3.6: Classifying newswires（新闻分类：多分类问题 ）3.7: Predicting house prices（预测房价：回归问题）4.4: Underfitting and overfitting（ 过拟合与欠拟合）5.1: Introduction to convnets（卷积神经网络简介）5.2: Using convnets with small datasets（在小型数据集上从头开始训练一个卷积网络）5.3: Using a pre-trained convnet（使用预训练的卷积神经网络）5.4: Visualizing what convnets learn（卷积神经网络的可视化）
上传时间： 2022-01-30
上传用户：
该文档为机器学习算法之神经网络讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： 机器学习
上传时间： 2022-02-02
上传用户：
该文档为Matlab神经网络几个常用算法的学习和比较讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： matlab
上传时间： 2022-02-18
上传用户：
该文档为人工神经网络学习总结笔记教程文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： 人工神经网络
上传时间： 2022-02-19
上传用户：
斯坦福大学-深度学习基础教程.pdfUFLDL教程 From Ufldl 说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果 你不熟悉这些想法，我们建议你去这里 机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php? course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。 稀疏自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 Exercise:Sparse Autoencoder 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 Exercise:Vectorization
标签： 深度学习
上传时间： 2022-03-27
上传用户：kingwide
