9.2 RNN示例.pdf-江永红-人民邮电出版社
文本预览下载声明
第9章循环神经网络（RNN）232老板批评了（他）”“我上班迟到了老板批评了（老板）”“我上班迟到了老板批评了（办公室）”“我上班迟到了老板批评了（员工）”等6-Gram序列的概率，然后选取概
显示全部
文档详情
相似文档
-
9.3 单向RNN.pdf-江永红-人民邮电出版社
9.3单向RNN237ቐ2.45.28.010.8,130.4285.2440.0594.8,7009.215322.62363631949.4,…
-
6.3 BP算法.pdf-江永红-人民邮电出版社
第6章多层感知器（MLP）1086.3BP算法MLP的训练一般总是采用反向传播（BackPropagation，BP）算法。之所以称为反向传播算法，是因为这种算
-
7.4 Cover定理.pdf-江永红-人民邮电出版社
7.4Cover定理151图7-13通过RBFNN得到的插值函数7.4Cover定理在图7-12所示的RBFNN架构中，输入层有个神经元，因此我们也说输入空间是
-
7.1 插值的概念.pdf-江永红-人民邮电出版社
第7章径向基函数神经网络（RBFNN）7.1插值的概念假设有两个变量和，其中是自变量，是因变量，与存在一个未知的函数关系ݕൌݐሺݔሻ，我们姑且把这个未知的函数ݐሺݔሻ叫作真函数。现在，我们仅仅知道真函数ݐሺݔሻ若干个离散的抽样值，而我们的任
-
8.6 池化.pdf-江永红-人民邮电出版社
8.6池化211图8-56输入图像与核函数的卷积过程（允许滑动窗口超出图像边界）（续）池化过程中也会涉及边界策略问题，8.6节将进行描述。8.6池化8.3节已经
-
5.3 感知器.pdf-江永红-人民邮电出版社
第5章MCP模型及感知器（Perceptron）88ൌ݅如果0（for്݆݅）（5.14）对于图5-12所示的例子，我们有ൌ൞1如果ଵଶ0且ଵଷ02如
-
5.1 MCP 模型.pdf-江永红-人民邮电出版社
第5章MCP模型及感知器（Perceptron）5.1MCP模型显然，要设计和实现人工神经网络，必须首先对作为信息处理单元的单个生物神经元进行数学建模。1943年，美国神经生理学家WarrenMcCulloch和美国逻辑学家WalterPi
-
4.5 矩阵的逆.pdf-江永红-人民邮电出版社
4.5矩阵的逆63因为是一个阶梯形矩阵，其非零行的个数是3，所以ൌܴൌ3。4.5矩阵的逆设矩阵是一个阶方阵，如果存在阶方阵，使得ൌൌࡵ成立，则称为可逆矩
-
4.4 矩阵的秩.pdf-江永红-人民邮电出版社
第4章矩阵58ൌ൦ଵଵଵଶଶଵଶଶ⋯ܽଵே⋯ܽଶே⋮⋮ெଵெଶ⋮⋮⋯ܽெே并且ൌ൦ଵଵଶଵ⋮ெଵ൪ࢇൌ൦ଵଶଶଶ⋮ெଶ൪⋯ࢇൌ൦ଵேଶே⋮ெே则矩阵可以表示为ൌ⋯ࢇ。类似地，如果ൌ൦ଵଵ
-
结束语.pdf-江永红-人民邮电出版社
结束语在本书的开头，我们提出了一个似乎永远也不会有答案的问题，即什么是智能？尽管现在还无法给智能下一个精准的定义，但可以肯定地说，我们有智能，石头没有智能。我们拥有的智能是自然天成的，我们还想让机器也拥有类似的智能人工智能。自AlphaGo
-
3.6 函数的梯度.pdf-江永红-人民邮电出版社
第3章梯度42࢈⋅ࢇൌ߮cos||||ାାାൌିଶൈଵ.ହାଷൈଵାାൌାାൌ0߮ൌarccos0ൌ图3-13计算两个矢量的夹角3.6函数的梯度在2.7节讲解了一些关于二
-
2.7 二元函数.pdf-江永红-人民邮电出版社
2.7二元函数272.7二元函数前面提到的函数都是一元函数（one-variatefunction），因为函数只有一个自变量。在一元函数中，通常用表示自变量，用表示因变量，与的函数关系写成ݕൌ݂。二元函数（t
-
2.3 导数.pdf-江永红-人民邮电出版社
第2章函数14在ݔൌݔ处，是连续的，因为函数在该点既是左连续的，又是右连续的。在ݔൌݔ处，不是连续的，因为函数在该点不是左连续的。在ݔൌݔ处，是连续的，因为函数在该点既是左连续的，又是右连续的。在ݔൌ
-
2.1 函数的极限.pdf-江永红-人民邮电出版社
第2章函数2.1函数的极限在数学特别是代数中，经常使用函数（function）来描述各种变量（variable）之间的关系。函数的一般描述是，如果有两个变量和，
-
9.4 BPTT算法.pdf-江永红-人民邮电出版社
第9章循环神经网络（RNN）240ሺ௧ሻሺଷሻൌ݂ሺࢁሺଷሻሺ௧ሻሺଶሻࢃሺଷሻሺ௧ିଵሻሺଷሻ（9.30）ሺ௧ሻሺଶሻൌ݂ሺࢁሺଶሻሺ௧ሻሺଵሻࢃሺଶሻሺ