原创 深度學習之tensorflow（六）
#RNN（Recurrent Neural Network 循環神經網絡） BP神經網絡沒有反饋迴路，而RNN有。 RNN存在梯度消失的問題，隨時間的流逝信號會不斷地衰弱： #LSTM（Long Short Term Memor
2020-07-07 11:22:27
原创 局端之瞭解現有產品
以西迪特公司的EOC產品爲例（非廣告，並不清楚產品好壞，只是因爲他們家官網信息比較全，便於瞭解和分析...） # EOC(Ethernet Over Coax 以太數據通過同軸電纜傳輸)產品 EOC (Ethernet Over Coax
2020-07-07 11:22:27
原创 局端之初接觸
# 局端設備VS終端設備 終端設備（Terminal） 即最終到達用戶端的設備，是計算機網絡中處於網絡最外圍的設備，主要用於用戶信息的輸入以及處理結果的輸出等。 在IBM環境中： 終端是端點用戶用於和主機通信的設備。這種設備可以是監
2020-07-07 11:22:27
1
原创 深度學習之LSTM案例分析（三）
#背景 來自GitHub上《tensorflow_cookbook》【https://github.com/nfmcclure/tensorflow_cookbook/tree/master/09_Recurrent_Neural_Net
2019-04-03 15:48:06
2
原创 深度學習之LSTM案例分析（二）
#背景 來自GitHub上《tensorflow_cookbook》【https://github.com/nfmcclure/tensorflow_cookbook/tree/master/09_Recurrent_Neural_Net
2019-04-02 15:49:21
原创 深度學習之LSTM案例分析（一）
#背景知識 見《深度學習之tensorflow（六）》【https://blog.csdn.net/m0_37621024/article/details/88680580】 #《深度學習之tensorflow（六）》中的代碼 im
2019-04-02 15:49:21
原创 深度學習之tensorflow（七）
#保存和載入模型 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #載入數據集 mnist = input_data
2019-03-20 15:49:05
原创 深度學習之tensorflow（五）
#卷積神經網絡 傳統神經網絡存在的問題： 權值太多，計算量太大； 權值太多，需要大量樣本進行訓練。 卷積神經網絡CNN： CNN通過感受野和權值共享減少了神經網絡需要訓練的參數個數： 卷積： 多個卷積核： *卷積核可以看作是一個濾波
2019-03-18 15:52:00
原创 深度學習之tensorflow（四）
#tensorboard #網絡結構可視化 1、在之前【MNIST數據集分類簡單版本】的代碼基礎之上進行修改， import tensorflow as tf from tensorflow.examples.tutorials.m
2019-03-17 15:48:35
2
原创 深度學習之tensorflow（三）
#二次代價函數（quadratic cost） C是代價函數； x表示樣本，y表示實際值，a表示輸出值； n表示樣本總數。 以一個樣本爲例進行說明，此時： a=δ(z)，z=∑Wj*Xj+b； δ()是激活函數 假如我們使用梯
2019-03-15 15:53:48
原创 深度學習之tensorflow（二）
#非線性迴歸 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #使用numpy生成200個隨機點 x_data = np.linsp
2019-03-15 15:53:48
原创 機器學習之大規模機器學習
#Large scale machine learning（大規模機器學習） 即處理大數據集的算法。 #Learning with large datasets（學習大數據集） 在需要訓練大量模型時，預先檢查往往是個明智的選擇；
2019-03-13 15:11:47
原创 機器學習之應用舉例
#Photo OCR Photo Optical Character Recognition（照片光學字符識別），注重的問題是如何讓計算機讀出圖片中的文字信息。 1、給定某種圖片，它將圖像掃描一遍，然後找出照片中的文字信息； 2、重點關
2019-03-13 15:11:36
原创 機器學習之總結
supervised learning（監督學習算法） 線性迴歸、邏輯迴歸、神經網絡、支持向量機 會有帶標籤的數據和樣本 unsupervised learning（無監督學習） K-均值聚類算法、主成分分析法（來進行降維）
2019-03-13 15:11:36
原创 機器學習之異常檢測
#Anomaly detection（異常檢測） 這是機器學習算法的一個常見應用，雖然主要用在非監督學習問題，但從某些角度看跟監督學習問題是非常相似的。 更正式的定義： 給定無標籤的訓練集，對數據建模即p(x)，即對x的分佈概率建模，
2019-03-12 15:08:36