最近，有個黑人抬棺的視頻很火，當(dāng)你打開視頻，你會聽到一段電音響起，一群黑人兄弟開始扛著棺材蹦迪。 這段抬著棺材跳舞的視頻來自BBC的一段報道，介紹的是加納共和國當(dāng)?shù)氐囊环N抬棺...
發(fā)簡信
IP屬地：上海
-
從黑人抬棺中我們看到了什么 -
TextRank學(xué)習(xí)筆記TextRank起源與PageRank TextRank的靈感來源于大名鼎鼎的PageRank算法，這是一個用作網(wǎng)頁重要度排序的算法。 并且，這個算法也是基于圖的，每個網(wǎng)頁可...
-
你說的對！
簡單易懂的softmax交叉熵?fù)p失函數(shù)求導(dǎo)
來寫一個softmax求導(dǎo)的推導(dǎo)過程，不僅可以給自己理清思路，還可以造福大眾，豈不美哉~softmax經(jīng)常被添加在分類任務(wù)的神經(jīng)網(wǎng)絡(luò)中的輸出層，神經(jīng)網(wǎng)絡(luò)的反向傳播中關(guān)鍵的步驟...
-
@F1y4L0ve 是的
簡單易懂的softmax交叉熵?fù)p失函數(shù)求導(dǎo)
來寫一個softmax求導(dǎo)的推導(dǎo)過程，不僅可以給自己理清思路，還可以造福大眾，豈不美哉~softmax經(jīng)常被添加在分類任務(wù)的神經(jīng)網(wǎng)絡(luò)中的輸出層，神經(jīng)網(wǎng)絡(luò)的反向傳播中關(guān)鍵的步驟...
-
因為反向傳播的過程就是要先計算誤差，然后更新權(quán)重啊~ 并且，上一層的誤差計算也需要當(dāng)前層的，如果直接把權(quán)重的梯度算好了，再上一層就沒法更新了
簡單易懂的softmax交叉熵?fù)p失函數(shù)求導(dǎo)
來寫一個softmax求導(dǎo)的推導(dǎo)過程，不僅可以給自己理清思路，還可以造福大眾，豈不美哉~softmax經(jīng)常被添加在分類任務(wù)的神經(jīng)網(wǎng)絡(luò)中的輸出層，神經(jīng)網(wǎng)絡(luò)的反向傳播中關(guān)鍵的步驟...
-
[kaggle系列 五] 通過mnist來研究神經(jīng)網(wǎng)絡(luò)的一些細(xì)節(jié)（3）題目 https://www.kaggle.com/c/digit-recognizer 前言 上一篇用了個簡單的神經(jīng)網(wǎng)絡(luò)來解決mnist的問題，介紹了一下權(quán)重初始化的技巧，...
-
[kaggle系列 四] 通過mnist來研究神經(jīng)網(wǎng)絡(luò)的一些細(xì)節(jié)（2）題目 https://www.kaggle.com/c/digit-recognizer 前言 上一篇寫了一些基礎(chǔ)的代碼，用一個最簡單的神經(jīng)元來寫了一個手寫數(shù)字的識別。在這一...
-
[kaggle系列 四] 通過mnist來研究神經(jīng)網(wǎng)絡(luò)的一些細(xì)節(jié)（1）題目 https://www.kaggle.com/c/digit-recognizer 前言 前面玩泰坦尼克號花費(fèi)了一些時間，想要把分?jǐn)?shù)刷的高一些，但是沒有成功，感覺再搞下...
-
簡單易懂的softmax交叉熵?fù)p失函數(shù)求導(dǎo)來寫一個softmax求導(dǎo)的推導(dǎo)過程，不僅可以給自己理清思路，還可以造福大眾，豈不美哉~softmax經(jīng)常被添加在分類任務(wù)的神經(jīng)網(wǎng)絡(luò)中的輸出層，神經(jīng)網(wǎng)絡(luò)的反向傳播中關(guān)鍵的步驟...
-
歡迎加入人工智能領(lǐng)域！
-
分享深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、計算機(jī)視覺、模式識別、資源語言處理、推薦系統(tǒng)等領(lǐng)域的一些技術(shù)
-
機(jī)器學(xué)習(xí)與計算機(jī)視覺
-
本專題招募管理員，有意向請簡信私聊，謝謝！ 用來分享機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，計算機(jī)視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://www.itdecent.cn/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.itdecent.cn/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.itdecent.cn/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)！
-
專注機(jī)器學(xué)習(xí)和數(shù)據(jù)分析，Python、R、Ruby、MATLAB、Mathematica。
-
機(jī)器學(xué)習(xí)(Machine Learning，ML)是研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機(jī)器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術(shù)，機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘的一個重要的工具。機(jī)器學(xué)習(xí)交流群：613944735
-
使用Python語言，及其在因特網(wǎng)信息數(shù)據(jù)獲取（爬蟲）和數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)上的應(yīng)用。也包含python的基本使用。
-
[kaggle系列 三] 使用SVM判斷是否能從泰坦尼克號生還題目 連接：https://www.kaggle.com/c/titanic 前言 和前幾篇差不多，這次換成svm，實際上，對于svm的理解是有了，知道是怎么做的了，但具體公...
-
[kaggle系列 二] 使用決策樹判斷是否能從泰坦尼克號生還題目 連接：https://www.kaggle.com/c/titanic 簡析 上一篇用了貝葉斯分類器，這次用決策樹和隨機(jī)森林試一試，不過最終的得分沒有貝葉斯分類器高，好...
