fengzhuqiaoqiu的博客

这一篇我们讲CNN的多变量回归预测。是的，同样是傻瓜式的快速实现。本篇是之前MATLAB快速实现CNN多变量回归预测的姊妹篇。

今天要讲的包络熵，是比较简单和直观的，不过很多论文里都有用到，尤其是在做寻优算法时，包络熵经常被用来作为适应度函数。

​CNN也可以扩展到非图像领域使用，比如对一组一维数据，也是同样可以实现分类的。本篇文章是之前CNN分类的MATLAB实现那篇文章的姊妹篇，通过这篇文章，大家将会快速掌握使用pytorch框架进行CNN分类的编程方法，另外对于主体代码流程，我也做了傻瓜化使用的封装，方便大家使用。​

本文将介绍在Windows 10系统下搭建深度学习环境的完整过程，包括安装Anaconda、CUDA、NVIDIA显卡驱动以及Pytorch框架。后续本专栏的Python语言下的深度学习环境都以本篇搭建的为准。

上一篇我们讲了使用CNN进行分类的MATLAB代码。这一篇我们讲CNN的多变量回归预测。是的，同样是傻瓜式的快速实现。

在本文中，我们将介绍如何使用 MATLAB 中的 Convolutional Neural Network（CNN）进行分类任务。我们将使用 MATLAB 的 Deep Learning Toolbox 来创建、训练和评估 CNN。

网络上有着很多关于CNN入门的教程，但是总还是觉得缺少足够简易、直观、全面的文章，能让人通读下来酣畅淋漓，将CNN概念尽收囊中。本篇文章就想尝试一下，真正地带小白同学们轻松入门。这篇文章包含很多图片，为了花这些图笔者颇费了些功夫，认真看下来，相信你一定能有所收获。

按照本专栏的内容，我会带着大家从零开始逐渐实现对深度学习的全面了解和掌握。

据降维是机器学习领域经常使用到的数据处理方法，所以在本专栏在正式开始深度学习专题之前，先介绍几种常用的降维方法（PCA、KPCA、t-SNE、MDS等）和MATLAB实现。

本篇是该系列的第三篇，建议在阅读本篇文章之前先看前两篇文章。Mr.括号：神经网络15分钟入门！足够通俗易懂了吧Mr.括号：神经网络15分钟入门！——反向传播到底是怎么传播的？在本文中将使用python实现之前描述的两层神经网络，并完成所提出的“象限分类”的问题。需要注意的是，虽然标题叫做神经网络15分钟入门，但是到这篇文章，对于没接触过python的同学，15分钟怕是不太够。好在p...

上一篇神经网络15分钟快速入门！足够通俗易懂了吧文章中对两层神经网络进行了描述，从中我们知道神经网络的过程就是正向传播得到Loss值，再把Loss值反向传播，并对神经网络的参数进行更新。其中反向传播正是神经网络的要点所在。本篇将对反向传播的内容进行讲解，力求通俗，毕竟只有15分钟时间~一、链式法则在讲反向传播之前先讲一下链式法则。假设一个场景，一辆汽车20万元，要收10%的购置税，...

网络上已经有很多神经网络入门的视频和文章，不过很多都艰深且冗长，即使是所谓的小白教程也看得让人脑仁疼。 本篇文章试图使用最简洁易懂的文字对一个典型神经网络做一个较为完整的介绍。力求读者在读完本篇文章后对神经网络能有一个清晰且全面的认识。任务描述 如下图，我们已知四个数据点(1,1)(-1,1)(-1,-1)(1,-1)，这四个点分别对应I~IV象限，如果这时候给我们...

从这篇开始，我们的专栏将正式开始涉及人工智能领域。人工智能常常用来解决分类和回归的问题。字母、语音、图像识别这些可以看做分类问题，而基于时间序列的预测就是一种回归分析。人工智能乃至深度学习还是有着颇深的理论门槛的，本人目前也还在学习中。但是如果我们只是想简单的应用一下，还不是太难。这篇文章我们将使用深度学习的方法，针对1991年至今的上证指数进行时间序列的预测，来看一看未来大盘的走势如何。...

首先要明确一点，这两种信号概念是建立在无穷大的时间积分的基础上的。一.能量与功率判断一个信号是能量信号还是功率信号，首先需要计算其能量和功率。不想看公式的可以直接跳到加粗的结论部分。对于信号f(t)，其能量为：f(t)信号的能量其功率为：f(t)信号的功率为什么要这样定义呢？可以借助物理上的概念辅助理解一下。对于电阻R，施加电压f(t)，在区间(-∞,+...

最近要做关于信号处理的一些工作，涉及时域、频域分析，滤波、神经网络以及贝叶斯等内容。在此做一些整理，作为梳理思路的笔记，也希望能对读者有所帮助。文章如要转载请私信与我联系，并注明来源知乎专栏与信号处理有关的那些东东作者Mr.括号。时域信号可以按照有无量纲分为有量纲特征值和无量纲特征值。有量纲特征值包括：最大值、最小值、峰峰值、均值、方差、均方值、均方根值等。有量纲特征值的数值大小常因外界一...