2018-7-16音强表征声波强度,一般用DB值衡量。声音强度由振动幅度的大小决定，以能量来计算称声强，以压力计算表示时称声压。声强（I）与声压（P）的关系为：I=（P^2）/(ρv) （此时P为有效值，若P为幅值，则 I=(P^2)/(2ρv) ），其中ρ-介质密度，v-声速。基音 一般的声音都是由发音体发出的一系列频率、振幅各不相同的振动复合而成的。这些振动中有一个频率最低...

今天CNN的理解写了一半，感觉理解的不够深刻，就打算先实现几个例子再接着看理论。之后就了解了一下TensorFlow。python版的tensorflow就是一个工具包，使用pip安装就行了。有CPU和GPU两个版本，刚开始用，安装CPU版本的试一试。谷歌给了几个tensorflow的安装方式，无非就是使用虚拟环境或者装在Docker中，也可以使用Anaconda安装，安装过程不再赘述，具体可..

在说BP算法前先说一下梯度下降法。当神经网络的层数和神经元数量较多时，为了找到神经网络中最优的一组参数，需要一个可靠的、时间上可行的方法去调整神经网络中的参数。本文中使用的图片来自李宏毅的“一天搞懂深度学习”。首先引入神经网络中的Loss函数，Loss函数用来表征神经网络输出和预计输出之间的误差。一条训练数据的误差可如下图表示：总误差即所有误差的和：对于误差L，计算误差L对...

编辑公式太闹心了，直接贴手稿吧.（更正一下，下文中的阀值都应该是阈(yu)值，是我才疏学浅了，今天打字自动给我更正成了阈值，搜了一下才知道这么多年一直都是错的，尴尬）...

2018-7-20感知机，PLA多层感知机是由感知机推广而来，感知机的神经网络表示如下：                                                                     表达式：从上述内容更可以看出，PLA是一个线性的二分类器，但不能对非线性的数据并不能进行有效的分类。因此便有了对网络层次的加深，理论上，多层网络可以模...

Nyquist定理：为了不失真地恢复模拟信号，采样频率应该不小于模拟信号频谱中最高频率的2倍。Nyquist定理主要就是为了避免频率混叠现象。本文不再给出推导过程，推导可以参考奈奎斯特采样定理之我见。频率混叠是由于采样信号频谱发生变化，而出现高、低频成分发生混淆的一种现象。抽样时频率不够高，抽样出来的点既代表了信号中的低频信号的样本值，也同时代表高频信号样本值，在信号重建的时候，高频信号被低频..

先看一下tensorflow.nn.conv2d 的说明：tf.nn.conv2d 卷积函数参数 input 输入图像 四维，shape如[batch, in_height, in_width, in_channels]参数 filter 卷积核 四维，shape如[filter_height, filter_width, in_channels, out_channels]参数 ...

2018-7-18HMM模型参数求解是HMM模型使用中的最复杂的一个问题。HMM模型参数求解概述HMM模型参数求解根据已知的条件可以分为两种情况。第一种情况较为简单，就是我们已知D个长度为T的观测序列和对应的隐藏状态序列，即是已知的，此时我们可以很容易的用最大似然来求解模型参数。　假设样本从隐藏状态转移到的频率计数是,那么状态转移矩阵求得为：                ...

2018-7-17Kmeans算法的缺陷k均值算法主要的两个缺陷： 1. K值需要预先给定，很多情况下K值的估计是非常困难的，对于像计算全部微信用户的交往圈这样的场景就完全的没办法用K-Means进行。对于可以确定K值不会太大但不明确精确的K值的场景，可以进行迭代运算。2. K-Means算法对初始选取的聚类中心点是敏感的，不同的起始K点所得到的聚类结果完全不同 。3. K均值算法并不...

今天实现了一下MLP。先说几个函数的用法。1、在最小化损失的时候，经常使用的一个函数就是tf.nn.softmax_cross_entropy_with_logits(logits=,labels=,name=None).除去name参数用以指定该操作的name，与方法有关的一共两个参数：第一个参数logits：就是神经网络最后一层的输出，如果有batch的话，它的大小就是[batchsi...