使用 Python 和 Keras 实现卷积神经网络
你有没有想过 Snapchat 如何检测人脸？自动驾驶汽车如何知道道路在哪里？你是对的，他们正在使用一种用于计算机视觉的特殊神经网络——卷积神经网络。在上一篇文章中，我们有机会研究它们是如何工作的。我们涵盖了这些网络的各个层及其功能。基本上，卷积神经网络的附加层以标准神经网络可以使用的格式预处理图像。这样做的第一步是检测输入图像上的某些特征或属性。这是由卷积层完成的。……
标签：神经网络
如何在 Python 中从头开始构建自己的神经网络
动机：作为我更好地理解深度学习的个人旅程的一部分，我决定在没有像 TensorFlow 这样的深度学习库的情况下从头开始构建神经网络。我相信了解神经网络的内部工作原理对于任何有抱负的数据科学家来说都很重要。……
卷积神经网络(CNN)模型结构
在前面我们讲述了DNN的模型与前向反向传播算法。而在DNN大类中，卷积神经网络(Convolutional Neural Networks，以下简称CNN)是最为成功的DNN特例之一。CNN广泛的应用于图像识别，当然现在也应用于NLP等其他领域，本文我们就对CNN的模型结构做一个总结。……
卷积神经网络(CNN)前向传播算法
在卷积神经网络(CNN)模型结构中，我们对CNN的模型结构做了总结，这里我们就在CNN的模型基础上，看看CNN的前向传播算法是什么样子的。重点会和传统的DNN比较讨论。……
卷积神经网络(CNN)反向传播算法
在卷积神经网络(CNN)前向传播算法中，我们对CNN的前向传播算法做了总结，基于CNN前向传播算法的基础，我们下面就对CNN的反向传播算法做一个总结。在阅读本文前，建议先研究DNN的反向传播算法：深度神经网络（DNN）反向传播算法(BP)……
循环神经网络(RNN)模型与前向反向传播算法
在前面我们讲到了DNN，以及DNN的特例CNN的模型和前向反向传播算法，这些算法都是前向反馈的，模型的输出和模型本身没有关联关系。今天我们就讨论另一类输出和模型间有反馈的神经网络：循环神经网络(Recurrent Neural Networks ，以下简称RNN)，它广泛的用于自然语言处理中的语音识别，手写书别以及机器翻译等领域。……
深度神经网络（DNN）的正则化
和普通的机器学习算法一样，DNN也会遇到过拟合的问题，需要考虑泛化，这里我们就对DNN的正则化方法做一个总结。……
深度神经网络（DNN）损失函数和激活函数的选择
在深度神经网络（DNN）反向传播算法(BP)中，我们对DNN的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差，而激活函数是Sigmoid。实际上DNN可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢？下面我们就对DNN损失函数和激活函数的选择做一个总结。……
从文本分类来看图卷积神经网络
神经网络入门
深度学习的发展日新月异，从经典的深度网络（DNN、CNN、RNN）到GAN、强化学习。深度学习覆盖的应用场景越来越丰富。今天介绍的图神经网络是另一类深度学习方法。虽然，图神经网络也可以纳入深度学习的范畴，但它有着自己独特的应用场景和算法实现，对初学者并不算太友好。这里主要是对图神经网络做一个入门性质的介绍，梳理图神经网络中的一些核心点，方便后续的进一步深入研究。……
