hxxjxw的博客

1、 图灵是人工智能之父。 图灵在1950年在论文《机器能思考吗？》中提出了图灵测试，一种用于判定机器是否具有智能的试验方法 把提问者C和回答者A和B分隔开，提问者多次向回答者提问，如果有30%的提问者认为对面是人而不是机器，那么这台机器就通过了图灵测试，具备了人工智能。这就是人工智能的概念，用机器模拟人的意识和思维 2、现在的主流的4款人工智能助理 ...

1、1943年McCulloch Pitts神经元模型 引入的激活函数f可以有效避免仅使用的线性组合，提高了模型的表达率，是模型具有更好的区分度。 常用的激活函数有relu、sigmoid、tanh 2、神经网络的复杂度 神经网络的复杂度多用神经网络层数和神经网络参数的个数表示 计算层数只计算具有运算能力的层（所以是不计入输入层的） 3、神经网络的优化 ...

1、使用Tensorflow搭建神经网络时，通常用张量表示数据，用计算图搭建神经网络，用会话执行计算图，再优化神经网络的参数（权重），获得更准确的模型 2、张量与计算图 张量（tensor）：多维数组（列表） 阶：张量的维数 0阶张量就是标量 判断张量是几阶的，就可以看方括号有几个，n个就是n阶 张量可以表示0阶到n阶数组（列表） ...

MNIST数据集 7万张图片 每张图片是一个28*28像素点的手写数字，黑底白字，黑底用0表示，白字用0~1之间的浮点数表示，越接近于1颜色越白 模块化搭建神经网络八股 手写数字识别准确率输出 前向传播 mnist_forward.py 反向传播 mnist_backward.py 测试输出准确率 mnist_test.py ...

卷积网络 为了避免过拟合现象的发生，我们在实际应用时，往往不会将原始图片直接喂入全连接网络，会先对原始图片进行特征提取，把提取到的特征喂给全连接网络 卷积便是一种有效提取图片特征的方法 输出图片边长= （输入图片边长-卷积核长+1)/步长 有时候会在输入图片周围进行全0填充，这样可以保证输出图片的尺寸和输入图片一致 池化分为最大池化和均值池化 ...