深度学习——使用卷积神经网络改进识别鸟与飞机模型
准备数据集：从CIFAR-10抽离鸟与飞机的图片 from torchvision import datasets from torchvision import transforms data_path = './data' # 加载训练集 cifar10 = datasets.CIFAR10(r ... »
机器学习（四）：4层BP神经网络（只用numpy不调包）用于训练鸢尾花数据集|准确率96%
题目： 设计四层BP网络，以g(x)=sigmoid(x)为激活函数， 神经网络结构为：[4，10，6, 3]，其中，输入层为4个节点，第一个隐含层神经元个数为10个节点；第二个隐含层神经元个数为6个节点，输出层为3个节点 利用训练数据iris-train.txt对BP神经网络分别进行训 »
卷积神经网络如何实现提取特征
目录 图像在计算机中的存储 1、黑白或灰度图像如何存储在计算机中 2、彩色图像如何存储在计算机中 矩阵的特征值与特征向量 图像特征与特征向量 卷积提取特征 总结 图像在计算机中的存储 图像其实就是一个像素值组成的矩阵。 1、黑白或灰度图像如何存储在计算机中 在这里，我们已经采取 »
构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)
毋庸讳言，和传统架构(BS开发/CS开发)相比，人工智能技术确实有一定的基础门槛，它注定不是大众化，普适化的东西。但也不能否认，人工智能技术也具备像传统架构一样“套路化”的流程，也就是说，我们大可不必自己手动构建基于神经网络的机器学习系统，直接使用深度学习框架反而更加简单，深度学习可以帮助我们自动地 »
机器学习（三）：朴素贝叶斯＋贝叶斯估计+BP人工神经网络习题手算|手工推导与习题计算
1.有 1000 个水果样例. 它们可能是香蕉，橙子或其它水果，已知每个水果的 3 种特性:是否偏长、是否甜、颜色是否是黄色 类型 长 不长 甜 不甜 黄色 非黄 Total 香蕉 400 100 350 150 450 50 500 橙子 0 300 150 150 300 0 30 »
机器学习算法（八）：基于BP神经网络的乳腺癌的分类预测
BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则 »
动手造轮子自己实现人工智能神经网络(ANN)，解决鸢尾花分类问题Golang1.18实现
人工智能神经网络（ Artificial Neural Network，又称为ANN）是一种由人工神经元组成的网络结构，神经网络结构是所有机器学习的基本结构，换句话说，无论是深度学习还是强化学习都是基于神经网络结构进行构建。关于人工神经元，请参见：人工智能机器学习底层原理剖析,人造神经元,您一定能看 »
动手造轮子自己实现人工智能神经网络(ANN)，解决鸢尾花分类问题Golang1.18实现
人工智能神经网络（ Artificial Neural Network，又称为ANN）是一种由人工神经元组成的网络结构，神经网络结构是所有机器学习的基本结构，换句话说，无论是深度学习还是强化学习都是基于神经网络结构进行构建。关于人工神经元，请参见：人工智能机器学习底层原理剖析,人造神经元,您一定能看 »
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
按照固有思维方式，人们总以为人工智能是一个莫测高深的行业，这个行业的人都是高智商人群，无论是写文章还是和人讲话，总是讳莫如深，接着就是蹦出一些“高级”词汇，什么“神经网络”，什么“卷积神经”之类，教人半懂不懂的。尤其ChatGPT的风靡一时，更加“神话”了这个行业，用鲁迅先生形容诸葛武侯的话来讲：“ »
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
按照固有思维方式，人们总以为人工智能是一个莫测高深的行业，这个行业的人都是高智商人群，无论是写文章还是和人讲话，总是讳莫如深，接着就是蹦出一些“高级”词汇，什么“神经网络”，什么“卷积神经”之类，教人半懂不懂的。尤其ChatGPT的风靡一时，更加“神话”了这个行业，用鲁迅先生形容诸葛武侯的话来讲：“ »
Pytorch之8层神经网络实现Cifar-10图像分类验证集准确率94.71%
目录 实验环境 神经网络结构图 Pytorch上搭建网络 Pytorch上训练 1.优化器 2.学习率 3.数据策略 4.超参数 实验结果：best_acc= 94.71% 总结 实验环境 Pytorch 1.7.0 torchvision 0.8.2 Python 3.8 »
Pytorch之8层神经网络实现Cifar-10图像分类验证集准确率94.71%
目录 实验环境 神经网络结构图 Pytorch上搭建网络 Pytorch上训练 1.优化器 2.学习率 3.数据策略 4.超参数 实验结果：best_acc= 94.71% 总结 实验环境 Pytorch 1.7.0 torchvision 0.8.2 Python 3.8 »
如何用Python对股票数据进行LSTM神经网络和XGboost机器学习预测分析（附源码和详细步骤），学会的小伙伴们说不定就成为炒股专家一夜暴富了
最近调研了一下我做的项目受欢迎程度，大数据分析方向竟然排第一，尤其是这两年受疫情影响，大家都非常担心自家公司裁员或倒闭，都想着有没有其他副业搞搞或者炒炒股、投资点理财产品，未雨绸缪，所以不少小伙伴要求我这边分享下关于股票预测分析的技巧。基于股票数据是一个和时间序列相关的大数据，所以我打算给大家分享时 »
如何用Python对股票数据进行LSTM神经网络和XGboost机器学习预测分析（附源码和详细步骤），学会的小伙伴们说不定就成为炒股专家一夜暴富了
最近调研了一下我做的项目受欢迎程度，大数据分析方向竟然排第一，尤其是这两年受疫情影响，大家都非常担心自家公司裁员或倒闭，都想着有没有其他副业搞搞或者炒炒股、投资点理财产品，未雨绸缪，所以不少小伙伴要求我这边分享下关于股票预测分析的技巧。基于股票数据是一个和时间序列相关的大数据，所以我打算给大家分享时 »
Pytorch搭建简单的卷积神经网络(CNN)实现MNIST数据集分类任务
目录 关于一些代码里的解释，可以看我上一篇发布的文章，里面有很详细的介绍！！！ 第一步：基本库的导入 第二步：引用MNIST数据集，这里采用的是torchvision自带的MNIST数据集 第三步：用pytorch搭建简单的卷积神经网络（CNN） 第四步：训练以及模型保存 第五步：导入网络模 »
Pytorch搭建简单的卷积神经网络(CNN)实现MNIST数据集分类任务
目录 关于一些代码里的解释，可以看我上一篇发布的文章，里面有很详细的介绍！！！ 第一步：基本库的导入 第二步：引用MNIST数据集，这里采用的是torchvision自带的MNIST数据集 第三步：用pytorch搭建简单的卷积神经网络（CNN） 第四步：训练以及模型保存 第五步：导入网络模 »
PyTorch中的神经网络 Mnist 分类任务
目录 一、Mnist 分类任务简介 二、Mnist 数据集的读取 三、 Mnist 分类任务实现 四、使用 TensorDataset 和 DataLoader 简化 本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052 »
python人工智能算法之人工神经网络
目录 人工神经网络 人工神经网络算法示例 总结： 人工神经网络 （Artificial Neural Network，ANN）是一种模仿生物神经网络的结构和功能的数学模型，其目的是通过学习和训练，在处理未知的输入数据时能够进行复杂的非线性映射关系，实现自适应的智能决策。可以说，ANN是 »
python人工智能算法之人工神经网络
目录 人工神经网络 人工神经网络算法示例 总结： 人工神经网络 （Artificial Neural Network，ANN）是一种模仿生物神经网络的结构和功能的数学模型，其目的是通过学习和训练，在处理未知的输入数据时能够进行复杂的非线性映射关系，实现自适应的智能决策。可以说，ANN是 »
PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测
目录 一、强大的 hub 模块 1. hub 模块的使用 2. hub 模块的代码演示 二、搭建神经网络进行气温预测 1. 数据信息处理 在最开始，我们需要导入必备的库。 2. 数据图画绘制 3. 构建网络模型 4. 更简单的构建网络模型 本文参加新星计划人工智能(Pytorch)赛道 »