【IntelCup】-07-01
神经网络学习
《Python神经网络编程》
基本的神经网络
简单的神经网络就是通过一层一层(输入层、隐藏层、输出层)的矩阵运算,中间将加权后的输入用sigmoid函数$\frac{1}{1+e^{-x}}$(书中也称激活函数)映射,将得到的输出送入到下一层。
基本的反馈思想调节神经网络的链接权重
当输出值和期望值有误差时,将误差作为反馈,调节网络中的链接权重,并且权重越大应当调节的效果越大。
使用矩阵乘法进行反向传播误差
这种方法是通过实际直观知道的输出误差,反向推导得到上一层(中间层或叫隐藏层的误差),尝试用矩阵的方式描述这一过程就成为过程矢量化。
首先,通过观察误差来源,列出方程,然后写成矩阵形式;接着,进行归一化处理,得到反向传播的误差举证是前面描述的链接权重矩阵的转置。
使用梯度下降法确定调节链接权重矩阵系数的方向
构建误差函数(误差的2次方),使用梯度下降法(求一阶偏导数)得到调整系数方向,大梯度使用大步长调整,小梯度使用小步长调整,直到满足精度要求。
记住优化的方向是负梯度方向(下降)。
构建训练的数据需要注意的问题
- 激活函数的输出范围是0~1,因此,不应当设置一个大于1的目标值;
- 初始权重不应当过大,会导致网络饱和;也要避免0值导致的网络断联。
- 权重初始化也不应当设置为相同,会导致优化权重时,优化的权重会始终一样。
Pycharm添加模板
添加模板的时候注意作用域的设置:
QT学习
直接复制一行代码:Ctrl+D;
多行编辑:ctrl双击不松手+上下键.可以在同一列增加光标.
PyQt5中文网 - Python GUI图形界面开发视频教程
PyQt5图形界面入门教程(第一篇) (xdbcb8.com)(这个教程比较全面)
迷途小书童的Note的个人空间_哔哩哔哩_bilibili(这个阿婆是讲Yolo的)
第一章讲了里面的主要的类的属性和方法,以及如何之间的父子关系等基本内容。
PYQT中的定时器
给定时器绑定一个触发时激活的函数,然后自动运行就可以,并在合适的时间进行终止操作。
事件
是属于PYQT内置的信号处理方法
Others
raise
用来引发一个异常:
基础UI设计,包括窗口图标等
PyQt5的UI设计,包含了最基本的信号与槽函数调用, 还有Qt设计师关于信号与槽函数的联系 (xdbcb8.com)
一个有意思的代码
1 | #coding=utf-8 |
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 Xuanyao's Blog!