1、相关知识从广义上来说，NN（或是更美的DNN）确实可以认为包含了CNN、RNN这些具体的变种形式。有很多人认为，它们并没有可比性，或是根本没必要放在一起比较。在实际应用中，所谓的深度神经网络DNN，往往融合了多种已知的结构，包括convolution layer 或是 LSTM 单元。其实，如果我们顺着神经网络技术发展的脉络，就很容易弄清这几种网络结构发明的初衷，和他们之间本质的区别。2、神经

Python sqlite3 模块它提供了一个SQL接口兼容。不需要单独安装这个模块，因为它默认情况下随着Python版本在2.5.x 一起安装。要使用sqlite3模块，必须首先创建一个连接对象，表示数据库中，然后可以选择创建游标对象，这将帮助在执行的所有SQL语句。这里只说python下的基本操作，如果需要更高级的朋友们，可以去查看官方API文档，地址：https://docs.python.

1.手写数字数据集百度云盘：手写数字 .csv 格式，链接: https://pan.baidu.com/s/1Wg2fKqBoeXiNJ3c8K4DnDg 密码: 7wmq百度云盘：手写数字.jpg 格式，http://pan.baidu.com/s/1mgTsYtM（包含转换的LMDB格式）百度云盘：毒蘑菇数据集，http://pan.baidu.com/s/1sjTP2ax百...

1、机器翻译    机器翻译（machine translation, MT）是用计算机来实现不同语言之间翻译的技术。被翻译的语言通常称为源语言（source language），翻译成的结果语言称为目标语言（target language）。机器翻译即实现从源语言到目标语言转换的过程，是自然语言处理的重要研究领域之一。    机器翻译通常使用机器学习技术将大量文本从支持的语言翻译成支持的语言，即

一、环境准备目前 Opencv有2.x 和 3.x 版本，两个版本之间的差异主要是一些功能函数被放置到了不同的功能模块，因此大多数情况两个版本的代码并不能通用。建议安装 Anaconda，自行下载相应版本。直接命令安装Opencv3,lake: conda install -c menpo opencv3pip install lake 二、SIFT/SURF 特征提取与匹配# cod

一、验证码识别的概念机器识别图片主要的三个步骤为消去背景、切割字符、识别字符。而现有的字符验证码也针对这三个方面来设计强壮的验证码。以下简图帮助大家理解验证码识别的流程：二、处理流程其中最为关键的就是好图像处理这一步了。图像处理功能模块包括图像的灰度化、二值化、离散噪声点的去除、倾斜度校正、字符的切割、图像的归一化等图像处理技术 。1、 图像的灰度化由于 256 色的位图的调

python中包含许多标准编程数据结构，如list(列表)，tuple(元组）、dict（字典）和set()，如果现有的数据类型不能满足需求，可以派生某个内置类型进行定制，或者使用collections中定义的某个抽象基类作为起点构建一个新的容器类型。collections模块包含除内置list,dict,tuple 以外的其它容器数据类型。counter作为一个容器，可以跟踪相同的值增加了多少次

1、weights、bias 参数学习我们希望有一种学习算法，它能够自动地调整网络中的权重因子和偏置。但是，我们怎样才能设计出这样的算法神经网络？可以通过学习来解决一些问题。假如，网络的输入是从扫描的原始像素数据，亦或是手写数字的图像。我们希望通过网络可以自动地学习权重和偏差，使输出从网络正确分类的数字。假设我们对网络上的一些权重（或偏置）做一些小的调整，并且希望网络上权重因子和偏差也仅有较小的

1、神经网络的起始——感知器（perceptrons）说到神经网络，先要讲的当然是 感知器 ，感知器 在上世纪50年代末和60年代初由科学家 Frank\ Frank Rosenblatt 取得了进展，灵感来自早期由 Warren\ Warren McCulloch\ McCulloch与 沃尔特·皮兹 的神经研究工作。如今，越来越多的算法使用人工神经元模型，在许多现代神经网络的研究中，主要

1、xgboost 安装安装问题这里就不再做赘述，可参考前面写的博文：http://blog.csdn.net/eddy_zheng/article/details/501845632、手写数字识别这里先说明下，xgboost用作手写字符的分类效果并不是最好的，这里仅仅作为一个教学的实例。本文中用的数据集来自kaggle 的新手入门数字识别（https://www.kaggle.com