近日法希，偷得半刻閑暇，觀火山小視頻，燦友皆曬歲月變遷嫂拴，容顏易老播歼，諸多感慨植旧，遂收集舊照漠趁，制作之，與眾友人分享盾沫。以詩為證裁赠！ 一晃就老了殿漠， 不惑在路上。 鬢角已染霜佩捞， 顏容變滄桑凸舵。
發(fā)簡信
IP屬地：廣東
-
-
Neural Network and Deep Learning讀書筆記-Chap1
最近開始看Michael Nilson的Neural Network and Deep Learning，這位老兄最初是做量子物理研究的失尖，后來轉(zhuǎn)向了科普工作，寫了很多科學(xué)普及...
-
Neural Network and Deep Learning讀書筆記-Chap3
提升學(xué)習(xí)速率 交叉熵?fù)p失函數(shù)的好處：損失函數(shù)對權(quán)重的偏導(dǎo)中不包含sigma的導(dǎo)數(shù)項（可抵消）渐苏，所以不會引起學(xué)習(xí)速度過慢的問題 神經(jīng)元的飽和問題：當(dāng)z（也就是神經(jīng)元的加權(quán)輸入和...
-
Neural Network and Deep Learning讀書筆記-Chap2
Chap2 反向轉(zhuǎn)播算法的目的是計算成本函數(shù)對于權(quán)重和偏置的偏導(dǎo)數(shù)掀潮。 反向傳播的兩個前提假設(shè)： 1. 成本函數(shù)可以寫成每個樣本成本的平均形式，因為反向傳播實際上是先計算針對每...
-
假設(shè)檢驗方法總結(jié)（不斷更新）
最近又再看專業(yè)相關(guān)的論文琼富，其中很多都用到了假設(shè)檢驗的方法仪吧，感覺自己對這方面知識的記憶還不是很深刻，所以都寫下來鞠眉，以幫助記憶薯鼠。 1. 假設(shè)檢驗問題的來源 這兩天主要看的論文是關(guān)...
