神经网络技术是通过计算机程序来从数据中学习，它是基于人类大脑学习的过程建立的。首先，创建神经元，然后链接在一起，互相发送消息；其次，网络是用来解决问题的，每次加强通往成功的链接，减弱通往失败的链...

使用高级分析算法(如大规模机器学习、图形分析和统计建模等)来发现和探索数据是当前流行的思路，在IDF16技术课堂上，英特尔公司软件开发工程师王以恒分享了《基于Apache Spark的机器学习及...

本文以及后续关于 Torch 应用及机器学习相关的笔记文章，均基于 牛津大学2015机器学习课程 ，课件和视频可从 官网 下载。本文主要关于神经网络模型中的随机梯度下降法，介绍其原理及推导过程，...

我们训练了一个大型的深度卷积神经网络，来将在ImageNet LSVRC-2010大赛中的120万张高清图像分为1000个不同的类别。对测试数据，我们得到了top-1误差率37.5%，以及top...

最近实验室要把一部分方向转为深度学习这一方向，而且电脑也配好了，研一的课程也结束了，赶紧抓紧时间把开发环境给弄好。

前言： 主要总结一下自己最近看文章和代码的心得。 1. CNN用于分类：具体的过程大家都知道，无非是卷积，下采样，激活函数，全连接等。CNN用于分类要求它的输入图片的大小是固定的（其实不单单是...

逻辑回归：首先，它不是一个回归模型，而是一个分类模型，它是被用来做分类的。 之所以称之为回归，是因为它的学习的是模型模型的参数以最佳拟合已有的数据。（比如，根据已有的一些点，回归出它的直线参数的...

作为第一次做Kaggle的比赛，来练练手还是不错的。

TensorFlow 是谷歌开源的机器学习框架，相对于其它现有框架来说，其具有比较好的扩展性，但是也牺牲了它的速度。 下面介绍Tensorflow 的基本使用

给定一个正整数n(0代码：#includeusing namespace std;int main(){ long num[14]; int i,k=1; for(i=1;i {  k*=5; ...

【机器学习】Tensorflow学习笔记

深度学习一般没有进行直接的检测，现有的检测大多都是基于分类的检测，主要的方法有两种：

这是「神经网络和深度学习简史」的第三部分（第一部分，第二部分）。在这一部分，我们将继续了解90年代研究的飞速发展，搞清楚神经网络在60年代末失去众多青睐的原因。

第一节、神经网络基本原理  

导读：这是《神经网络和深度学习简史》第二部分，这一部分我们会了解BP算法发展之后一些取得迅猛发展的研究，稍后我们会看到深度学习的关键性基础。还没有看过第一部分的读者可以 戳这里 。（←点击阅读）

Adam Harley的卷积神经网络3D视觉化模型能够让你一窥人工智能的内部工作。

导读：这是《神经网络和深度学习简史》第一部分。这一部分，我们会介绍1958年感知器神经网络的诞生，70年代人工智能寒冬以及1986年BP算法让神经网络再度流行起来。

机器学习栏目记录我在学习Machine Learning过程的一些心得笔记，涵盖线性回归、逻辑回归、Softmax回归、神经网络和SVM等等，主要学习资料来自Standford Andrew N...

作者： 龙心尘&&寒小阳像deep learning、DNN、BP神经网络等这些高逼格的词，真的很能吓唬人，但真正的内容什么，很多人却解释得不多，要么说得太晦涩，要么说得太神叨。其实，就我们的粗...

在学界一般认为，《红楼梦》后 40 回并非曹雪芹所著。本文尝试应用机器学习的方法来分析原著文本中作者的用词习惯，从技术角度去说明《红楼梦》前 80 回和后 40 回的写作风格差别，继而可以确认后...