因为低调所以牛逼

最近在搞神经网络，我选择了和别人不同的学习方法，别人是先搞定数学，在搞理论，最后搞应用。而我是先大致搞清楚神经网络的大致流程和BP的基本算法，然后找一些开源的神经网络框架来学习，直接搞应用，最后在理论和数学不懂的地方再去查资料学习。结果发现这种方法很好，最起码很能调动我学习这些深奥知识的兴趣。搞了没几天，竟然可以把神经网络用于自己项目中了，爽！      寻找开源项目没花多少时间，在百度里搜神

如何使用java代码构建NN引擎的支点是Layer对象。它由N个神经元组成（可以通过属性'rows'设置）。想象一下由三层组成的前馈神经网络，如下所示：要使用joone构建这个网络，我们必须创建三个Layer对象和两个Synapse对象： SigmoidLayer layer1 = new SigmoidLayer（）; SigmoidLayer laye

神经网络[/url]   很少有程序员不对这里或者那里所包含的人工智能编程所吸引，然而，许多对AI感兴趣的程序员很快就因其中包含的算法的复杂性而退却。在本文中，我们将讨论一个能大大简化这种复杂性的Java开源工程。   Java面向对象的神经网络(JOONE)是一开源工程，它提供给Java程序员一个高适应性的神经网络。该JOONE工程源代码由LGPL所保护。简言之，这意味着源代码是可自由使

BP神经网络模型与学习算法一，什么是BP"BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的

自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处