1、导数定义：设函数y=f（x）在点x0的某个邻域内有定义，当自变量x在x0处有增量Δx，（x0+Δx）也在该邻域内时，相应地函数取得增量Δy=f（x0+Δx）-f（x0）；如果Δy与Δx之比当Δx→0时极限存在，则称函数y=f（x）在点x0处可导，并称这个极限为函数y=f（x）在点x0处的导数记作需要指出的是：两者在数学上是等价的。导函数如果函数y=f...

1、假设，线性线的函数是：f(x) = θ0+θ1*x11 + θ2*x12传说中的激活函数，将数值转换为概率值：sigmoid，relu 函数：g(z) = 1/(1+e(-z)) # e=2.718z = f(x)# 逻辑回归问题的假设函数：h(x) = 1/(1+e^(-(θ0+θ1*x11 + θ2*x12)))[0, 1] 0.5为分界线 >= 0.7 ...

1、学习前必须了解的概念：张量和数据流图1.1、张量：可以认为是数组和常量的总称呼在数学上，我们通常用一维数组和多维数组表示一组数据，比如：我们要表示一个人的身高，体重，年龄可以写成 [175, 70, 30]这样的一维数组形式这个数组的第一个元素表示身高，第二元素表示体重，第三个元素表示年龄，这个一维数组可以认为是一维张量如果要表示3个人的身高体重，可以写成二维结构[ [...

1、核心算法代码说明：算法是使用的梯度下降算法，成本函数是使用的最小二乘法：求残差的平方和的极小值import numpy as np# 定义假设函数：X是一个矩阵W是一个列向量def hyFunction(X, W):return X.dot(W)# 一次计算所有的样本结果pass# 梯度函数：X是样本矩阵，W是系数，y是实际结果def grad...

1、导数定义：设函数y=f（x）在点x0的某个邻域内有定义，当自变量x在x0处有增量Δx，（x0+Δx）也在该邻域内时，相应地函数取得增量Δy=f（x0+Δx）-f（x0）；如果Δy与Δx之比当Δx→0时极限存在，则称函数y=f（x）在点x0处可导，并称这个极限为函数y=f（x）在点x0处的导数记作需要指出的是：两者在数学上是等价的。导函数如果函数y=f...

1、RNN单向循环神经网络实现2、隐藏层激活使用的是tanh、输出层使用的激活函数是softmax3、代码纯手写import numpy as npfrom activator.softmax import SoftMaxfrom activator.tanh import Tanh'''@author: liuhaibing'''# 手写循环神经网络# 全连接层只用三层input-hidden-

1.剪刀石头布小游戏，练习if else和while等import java.util.Scanner;import java.util.Random;/*** <p>Title: JavaGame.java</p>* <p>Description: 实现人机对战的剪刀、石头、布猜拳游戏</p>* <p>C...

1、导数定义：设函数y=f（x）在点x0的某个邻域内有定义，当自变量x在x0处有增量Δx，（x0+Δx）也在该邻域内时，相应地函数取得增量Δy=f（x0+Δx）-f（x0）；如果Δy与Δx之比当Δx→0时极限存在，则称函数y=f（x）在点x0处可导，并称这个极限为函数y=f（x）在点x0处的导数记作需要指出的是：两者在数学上是等价的。导函数如果函数y=f...

1、核心算法代码说明：算法是使用的梯度下降算法，成本函数是使用的最小二乘法：求残差的平方和的极小值import numpy as np# 定义假设函数：X是一个矩阵W是一个列向量def hyFunction(X, W):return X.dot(W)# 一次计算所有的样本结果pass# 梯度函数：X是样本矩阵，W是系数，y是实际结果def grad...

1、RNN单向循环神经网络实现2、隐藏层激活使用的是tanh、输出层使用的激活函数是softmax3、代码纯手写import numpy as npfrom activator.softmax import SoftMaxfrom activator.tanh import Tanh'''@author: liuhaibing'''# 手写循环神经网络# 全连接层只用三层input-hidden-