PursueLuo的博客

神经网络通常是由多个神经元的层组成的。为了简化结构并理解学习的原理，我们仅讨论只具有一个神经元的情况。初步学习理解神经元的学习过程。

梯度下降法求解最小值、局部最小值的过程。初始值x0x^0x0、学习率η\etaη、迭代次数，共同影响梯度下降法的求解过程。其中，x0x^0x0和η\etaη决定了方向，起了关键性作用。

梯度下降法是根据函数的微分值（斜率）搜索最小值的算法，在人工智能领域中被广泛使用。本文介绍了梯度下降法的基本原理，手算模拟了梯度下降法的工作流程，并使用Python代码计算机模拟梯度下降法求解过程，并可视化求解过程。

sigmod 是最常见的激活函数之一。其图像和导数如文章所示。

下面是官方介绍DHG(DeepHypergraph) 是基于 PyTorch 的深度学习包， 可用于图神经网络以及超图神经网络。其支持从顶点到顶点从一个域的顶点到另一个域的顶点从顶点到超边,、从超边到顶点从顶点集到顶点集等低阶或高阶信息传递的通用框架。其支持大量低阶关联结构（图、有向图、二分图等）以及高阶关联结构（超图等）。大量基于谱域的操作（例如基于拉普拉斯的平滑）和基于空域的操作（例如从域到域的信息传递）集成在不同的关联结构中。

在数学中，超图（Hypergraph）是一种广义上的图，是有限集合中最一般的离散结构，在信息科学、生命科学等领域有着广泛的应用。普通图，一条边只能连接两个顶点，而超图的一条边可以连接任意数量的顶点。

文章目录1. 方法2. 示例2.1 示例1：a 是向量2.2 示例 2：A 是矩阵3. 参考1. 方法注意：import numpy as np方法名：tile功能：对 numpy 矩阵进行复制并使其扩充参数：第一个参数是要进行扩展的数据；参数：第二个参数是要扩展的维度。2. 示例2.1 示例1：a 是向量a 是一个列向量，有 4 个元素，维度是 (4, 1)a = np.array([1, 2, 3, 4])a = a.reshape(len(a), 1)对 a 进

Python 读取 txt 文件