1. 半质数的个数题目详情：质数是大家熟知的概念，我们定义一个半质数的概念：如果一个数恰好是两个质数的乘积（可以相同），则称它为半质数。前几个半质数是 4, 6, 9, 10, 14, 15, 21, 22, 25, 26。我们的问题是，输入一个正整数N，问在小于等于N的正整数中有多少个半质数？输入：输入一行，输入一个正整数N。输出：小于等于N的正整数中有多少个半...

微信公众号英文例子：https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/中文例子：https://www.jianshu.com/p/38df71cad1f620190604【1】6 种用 LSTM 做时间序列预测的模型结...

1. 感受野的概念在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域，如图1所示。图1：用图形理解感受野概念2. 感受野的例子（1）两层3*3的卷积核卷积操作之后的感受野是5*5，其中卷积核（filter）的步长（stride）为1、pa

微信公众号Encoder-Decoder（编码-解码）是深度学习中非常常见的一个模型框架，比如无监督算法的auto-encoding就是用编码-解码的结构设计并训练的；比如这两年比较热的image caption的应用，就是CNN-RNN的编码-解码框架；再比如神经网络机器翻译NMT模型，往往就是LSTM-LSTM的编码-解码框架。因此，准确的说，Encoder-Decoder并不是一个具体...

这周本来想写一篇个人笔记，关于神经网络中反向传播算法识别手写字符的实现。但是，在整理自己的思路的时候，发现本人把之前看的许多神经网络的东西都给忘了，内心很是着急啊！在看到激活函数的时候，突然不知道激活函数是干嘛用的！立马翻遍手里的纸质资料，都说的模糊不清。无奈，赶紧来网上看看！下面，我就把在网上看到的知识点，总结一下，形成读书笔记，方便大家学习！由于本人知识有限，文章有少部分参考网上，如有侵权，请

微信公众号1. 传统的循环神经网络传统的神经网络可以看作只有两个time step。如果输入是“Hello”（第一个time step），它会预测“World”（第二个time step），但是它无法预测更多的time step。2. LSTM、GRU等【知乎】如何理解LSTM中的time step？ - 知乎 https://www.zhihu.com/question/271...

微信公众号看了半年论文，对这三个概念总是模棱两可，不是很清楚。所以呢！我就花了半天时间，收集网上写的很好的关于这三个概念的介绍，把他们总结到一起，希望能对大家有帮助！batchsize：中文翻译为批大小（批尺寸）。简单点说，批量大小将决定我们一次训练的样本数目。batch_size将影响到模型的优化程度和速度。为什么需要有Batch_Size：batchsize的正...

“微信公众号”Flatten层的实现在Keras.layers.core.Flatten()类中。作用：Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。例子：from keras.models import Sequentialfrom keras.layers.core import Flattenfrom ke..

1. 感受野的概念在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域，如图1所示。图1：用图形理解感受野概念2. 感受野的例子（1）两层3*3的卷积核卷积操作之后的感受野是5*5，其中卷积核（filter）的步长（stride）为1、pa

微信公众号Encoder-Decoder（编码-解码）是深度学习中非常常见的一个模型框架，比如无监督算法的auto-encoding就是用编码-解码的结构设计并训练的；比如这两年比较热的image caption的应用，就是CNN-RNN的编码-解码框架；再比如神经网络机器翻译NMT模型，往往就是LSTM-LSTM的编码-解码框架。因此，准确的说，Encoder-Decoder并不是一个具体...