8 3 这是一个三类问题，为了验证算法的性能，用每类的前25个数据（共75）作为训练样本，用BP神经网络进行建模，并对剩下的样本用该网络进行判别。 训练样本如下： 5.1 3.5 1.4 0.2 1 6

    游戏编程中的人工智能技术     用平常语言介绍神经网络 (Neural Networks in Plain English) 因为我们没有能够很好了解大脑，我们经常试图用最新的技术作为一种

Oriented Neural Network)是sourceforge.net上一个用java语言迅速开发神经网络的开源项目。JOONE支持很多的特性，比如多线程和分布式计 算，这意味着可以JOONE可以利用多处理器或是多计算机来均衡附载。

新加坡LV实验室的神经网络并行框架Purine。支持构建各种并行的架构，在多机多卡，同步更新参数的情况下基本达到线性加速。12块Titan 20小时可以完成Googlenet的训练。 Directory

GoNN是一个用GO语言写的神经网络库 GoNN目前实现了BP网络,RBF网络和感知机 在著名的手写体字符识别数据库MNIST上，GoNN达到了98.2%的正确率。 此外，项目中还包含简单的例子：sin曲线拟合、鸾尾花分类、XOR训练等

scikit-neuralnetwork是对pylearn2的神经网络封装，兼容scikit-learn。它支持以下的神经网络特性： Activation Types — Nonlinear:Sigmoid

将神经网络应用于大图像时，输入可能有上百万个维度，如果输入层和隐含层进行“全连接”，需要训练的参数将会非常多。如果构建一个“部分联通”网络，每个隐含单元仅仅只能连接输入单元的一部分，参数数量会显著下降

介绍 如果你一直在关注 数据科学 / 机器学习 ，你不能错过深度学习和神经网络的嗡嗡声。 组织正在寻找有深度学习技能的人，无论他们在哪里。 从运行竞争到开源采购项目和支付大额奖金，人们正在尽一切可

递归神经网络（RNN）是一类神经网络，包括一层内的加权连接（与传统前馈网络相比，连接仅馈送到后续层）。因为 RNN 包含循环，所以它们可以在处理新输入的同时存储信息。这种记忆使它们非常适合处理必须考虑

什么是循环神经网络（RNN）？它们如何运行？可以用在哪里呢？本文试图回答上述这些问题，还展示了一个 RNN 实现 demo，你可以根据自己的需要进行扩展。 循环神经网络架构 基础知识。Python、CNN

模拟系统创建一个面向块的可视化工作平台。在第一个阶段中，我们将建立一个简单的GUI和基本的块来为神经网络训练和内部联网拓扑建模。 项目主页： http://www.open-open.

Encog是一种先进的神经网络和漫游编程库。 Encog可以单独使用或者建立神经网络或HTTP爬虫程序。 Encog还包括类，结合这两种先进的功能。 Encog包含前馈神经网络，Hopfield神经网络的课程，并自组织地图。

训练多层感知器（MLP）神经网络进行光学字符识别（OCR）。使用修改版的验证码生成器节点验证码自动生成训练集，最近添加了对MNIST手写体数字数据库支持。 var ocr = require('./ocr

反向传播神经网络极简入门 我一直在找一份简明的神经网络入门，然而在中文圈里并没有找到。直到我看到了这份162行的Python实现，以及对应的油管视频之后，我才觉得这就是我需要的极简入门资料。这份极简

【编者按】 使用前馈卷积神经网络（convnets）来解决计算机视觉问题，是深度学习最广为人知的成果，但少数公众的注意力已经投入到使用递归神经网络来对时间关系进行建模。而根据深度学习三大牛的阐述， LSTM网络已被证明比传统的RNNs更加有效

Neuroph是轻量级的Java神经网络的框架，可以用来模拟常见的神经网络架构。少数基本类别相对应的基本网络的概念，它非常容易学习。它也有一个不错的GUI应用程序。 项目主页： http://www

Synaptic是一个JavaScript神经网络库，可用于 node.js 和浏览器环境。 its generalized algorithm is architecture-free, so you

0x00 神经元与神经网络 神经网络是机器学习的一种重要方法，如果不去看具体的数学推导，其整体结构和思想还是很容易理解的。实现起来也很方便。 从总体上看，神经网络是这样的样子 (图片来自wikipedia)

一、基本变换：层 一般的神经网络是由一层一层堆叠而成的，但是每层究竟在做啥呢？ 我从三个方面述说一下： 数学公式 Y = a*(W*X+b) 其中Y是输出量，X是输入量，a（）是一个激活函数

在一场有趣的演讲中 介绍了神经网络 。尽管“使用 Visual Studio 开发神经网络”这个题目表明演讲是针对 Visual Studio（VS）的，但实际上它也适用于任何希望更多了解神经网络（NN）的开发者。McCaffrey