-
第 6 章 与学习相关的技巧
第 6 章 与学习相关的技巧 第 6 章 与学习相关的技巧 本章将介绍神经网络的学习中的一些重要观点，主题涉及寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等。此外，为了应对过拟合，本章还将介绍权值衰减、Dropout 等正则化方法，并进行实现。最后将对近年来众多研究中使用的 Batch Normalization 方法进行简单的介绍... -
.NET高级话题
.NET高级话题 正则表达式装配件 匹配嵌套结构 Capture对象 .NET高级话题 Advanced.NET 下面的内容涉及某些尚未介绍过的特性：通过正则装配件（regex assemblies）构建正则表达式库，使用.NET专属的特性匹配嵌套结构，以及对Capture对象的讲解。 正则表达式装配件 Regex Assemblies ... -
7.5.2 广度优先遍历
7.5.2 广度优先遍历 7.5.2 广度优先遍历 广度优先遍历（Breadth_First_Search），又称为广度优先搜索，简称BFS。还是以找钥匙的例子为例。小孩子不太可能把钥匙丢到大衣柜顶上或厨房的油烟机里去，深度优先遍历意味着要彻底查找完一个房间才查找下一个房间，这未必是最佳方案。所以不妨先把家里的所有房间简单看一遍，看看钥匙是不是就放在很... -
9.8.2 归并排序复杂度分析
9.8.2 归并排序复杂度分析 9.8.2 归并排序复杂度分析 我们来分析一下归并排序的时间复杂度，一趟归并需要将SR[1]～SR[n]中相邻的长度为h的有序序列进行两两归并。并将结果放到TR1[1]～TR1[n]中，这需要将待排序序列中的所有记录扫描一遍，因此耗费O(n)时间，而由完全二叉树的深度可知，整个归并排序需要进行次，因此，总的时间复杂度为O... -
1.5 NumPy
1.5 NumPy 1.5.1 导入 NumPy 1.5.2 生成 NumPy 数组 1.5.3 NumPy 的算术运算 1.5.4 NumPy 的 N 维数组 1.5.5 广播 1.5.6 访问元素 1.5 NumPy 在深度学习的实现中，经常出现数组和矩阵的计算。NumPy 的数组类（numpy.array ）中提供了很多便捷的方法，在... -
第 5 章 误差反向传播法
第 5 章 误差反向传播法 第 5 章 误差反向传播法 上一章中，我们介绍了神经网络的学习，并通过数值微分计算了神经网络的权重参数的梯度（严格来说，是损失函数关于权重参数的梯度）。数值微分虽然简单，也容易实现，但缺点是计算上比较费时间。本章我们将学习一个能够高效计算权重参数的梯度的方法——误差反向传播法。 要正确理解误差反向传播法，我个人认为有两种方...