神经网络——单层感知机感知机：preception，二元分类器，只有输入和输出层学习使用，不写原理了，直接贴代码（主要代码都是覃秉丰老师的课程中学习到的代码，但是很多地方我也做了注释和改进，适合我自己的学习）python 3.4 、jupyter这部分主要用到了numpy、matplotlib.pyplot库import numpy as npimport matplotlib.pyplot as

BP神经网络（Back Propagation）  误差逆传播算法（error Back Propagation 简称BP），实际上是多层感知器的一种,在1986由Rumelhart和Hinton为首的科学小组提出。BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或问题和其他问题。从结构而言具有输入层、隐含层和输出层；从本质上来讲是以网络误差平方为目标函

单层感知机——异或问题异或问题：0^0 = 00^1 = 11^0 = 11^1 = 0代码解释：初始输入为四个点的数据以及偏置bias量学习率设置为0.11迭代次数为100次主要使用了numpy和matplotlib库代码：import numpy as npimport matplotlib.pyplot as plt# 载入数据x_data = np.array([[1,0,0],[1,0,

文章目录数据标注1. 数据标注流程2. semi-supervised learning (SSL) ： 半监督学习3. 数据标注的挑战数据标注1. 数据标注流程Have enough data? 数据是否充足improve label,data, or model? 标签、数据和模型哪个部分需要提升enough label?标签是否充足semi-supervised learning半监督学习e

BP神经网络解决异或问题BP神经网络的推导、python实现代码及结果视图请移至机器学习——神经网络（四）：BP神经网络单层感知器异或问题请移至机器学习——神经网络（二）:单层感知机异或问题python 3.6numpy、matplotlib库import numpy as npimport matplotlib.pyplot as plt# 载入数据x_data = np.array([[1,0

文章目录线性神经网络（LMS）1.基础理论2. 简单的线性神经网络例子:3.使用线性神经网络解决异或问题：线性神经网络（LMS）1.基础理论对比理解：感知器LMS只有两种输出（1或者-1）输出可以是任意的值激活函数可以是sign、sigmod等函数激活函数是线性函数解决不了异或等问题只能解决线性可分问题，但是可以解决异或问题网络结构：>LMS学习算法（最小均方误差算法）：为什么用两个激活函数

文章目录问题描述：问题原因：解决方法：问题描述：[24582] Failed to execute script entry_point问题原因：一开始我认为将安装包放置在/root目录下不太好，就在wget安装包之后，直接将其剪切到了/opt目录之下了，再去解压和安装anaconda，但是问题就处在这里，文件的剪切会影响其中的一些文件。然后就有上诉报错了。（可能其他人这个报错的原因与我不太相同，

文章目录一、selenium自动填报1.流程2.分析3.主要代码4.注意（期间可能出现的报错）二、windows10自动运行程序进行填报说明：由于本次selenium自动化填报的网站需要个人信息、密码、校园网络VPN的支持，所以我将关于个人信息、网址的相关内容进行了隐藏。主要展示填报的方法、流程。一、selenium自动填报1.流程1）登录网站2）跳转到填报页面3）填写内容，提交表单4）关闭提交页

单层感知机——异或问题异或问题：0^0 = 00^1 = 11^0 = 11^1 = 0代码解释：初始输入为四个点的数据以及偏置bias量学习率设置为0.11迭代次数为100次主要使用了numpy和matplotlib库代码：import numpy as npimport matplotlib.pyplot as plt# 载入数据x_data = np.array([[1,0,0],[1,0,

文章目录线性神经网络（LMS）1.基础理论2. 简单的线性神经网络例子:3.使用线性神经网络解决异或问题：线性神经网络（LMS）1.基础理论对比理解：感知器LMS只有两种输出（1或者-1）输出可以是任意的值激活函数可以是sign、sigmod等函数激活函数是线性函数解决不了异或等问题只能解决线性可分问题，但是可以解决异或问题网络结构：>LMS学习算法（最小均方误差算法）：为什么用两个激活函数