- 博客(3)
- 收藏
- 关注
原创 用python简单搭建一个神经网络
神经网络作为深度学习领域的明星算法,以其卓越的性能在多个领域内大放异彩。然而,它们的构建过程确实颇具挑战性。希望这个案例能够成为你深入学习神经网络的得力助手,并为大家的探索之旅提供清晰的指引和启发。(如若想学习神经网络的理论基础,我强烈推荐《Python神经网络编程》这本书,它是由塔里克·拉希德精心编写的。这本书以其深入浅出的教学方式,将复杂的神经网络概念讲解得非常透彻,而且难得的是,它避免了过多的数学公式,使得内容更加生动形象,易于理解,堪称无痛学习神经网络的神书)
2024-08-20 14:14:05
309
原创 卷积神经网络(CNN)详细介绍及Python代码实战
一张图片,在数学的世界里,是由一个个像素点组成的;而一个像素点,又是由RGB三元色按一定比例混合而成的。所以,。在传统神经网络中,我们需要输入数据的特征,而这个特征只能是一维的;但是对于图片,它的特征是一个个的像素点,这些像素点被储存在矩阵中,以二维的形式存在,显然是无法输入到传统神经网络中去的。在卷积出现之前,我们的做法是将二维特征拉伸成一维,再输入神经网络。虽然解决了输入端的问题,但却导致了信息损失:在二维像素矩阵中,每个像素点与其周围的像素点存在着。
2024-08-19 14:19:07
5505
1
原创 基于离散型随机变量构造置信区间
因为对于连续变量的分布函数而言,有这样一条经典的结论:设X是连续性随机变量,F(X)是X的分布函数,那么F(X)~U(0,1)(先记住这个结论,等会儿会具体推导嘿嘿),对于枢轴量的要求便是它既要包含被估参数以及样本统计量T(X),又要让其服从一个已知分布,如果我现在有一个连续型的统计量,求出它的分布函数,那么就满足了枢轴量的两个要求,根本不用去找去凑,简直爽到飞起。答案是我们直接放弃枢轴量。另外,如果分布函数G(t,θ)不止满足严格增(减)的要求,还是一个连续函数,那么对于上下界的确定又有了一定的简化。
2023-11-29 15:21:47
899
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅