仲子_real

# 坐标轮换法（第一题） 编译环境：JupyterNotebookimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline# 初始值的设置x_0 = np.array([[-2.0,2.0]]) # 初始矩阵x_0epoch = 100 # 算法的迭代次数# 目标函数def function(x): fx = (4 + (9.0/2.0)*(x[0][0]) - 4*(x[0][1]) + (x[

本文对于识别MNIST数据集的BP神经网络算法程序进行了多项参数测试，利用基本的控制变量法，试图寻找针对MNIST数据集识别的学习率、隐藏层节点数以及训练循环次数的最佳值。

本文利用Python语言，在Jupyter Notebook进行程序编写，通过神经网络学习算法对MNIST手写数据集进行数字识别，并且对学习率（learning rate）、节点数（nodes）进行分析，找出最佳的学习率和节点数，使得神经网络对数字识别的准确率达到0.9744