• WCF-01-hello world
  WCF WCF可以理解为WebService的升级版， 能够通过配置兼容WebService，同时又拥有一些WebService不具备的优势，比如： 1）WCF可以不依赖于IIS（在VS环境下） 2）WCF 支持多种通信协议 Http/Https 、TCP/UDP、MSMQ、命名管道、对等网、消息可达性、事务流等 3）WCF 安全性要强：支持对称安全、非对称安全、消息安全、传输安全、...
  2017-04-22 14:35:31 | Network
• DL4j-04-RNN
  数据和网络配置 DL4J目前支持以下各类循环神经网络 GravesLSTM（长短期记忆） BidirectionalGravesLSTM（双向长短期记忆） BaseRecurrent 一、RNN的数据 在标准的前馈网络中（多层感知器或DL4J的’DenseLayer’），输入和输出数据具有二维结构，或者说数据的“形状”可...
  2017-04-17 13:39:52 | Deep Learning
• DL4j-03-LSTM
  LSTM和循环网络基础教程 循环网络是一类人工神经网络，用于识别诸如文本、基因组、手写字迹、语音等序列数据的模式，或用于识别传感器、股票市场、政府机构产生的数值型时间序列数据。 循环网络可以说是最强大的神经网络，甚至可以将图像分解为一系列图像块，作为序列加以处理。 由于循环网络拥有一种特定的记忆模式，而记忆也是人类的基本能力之一，所以下文会时常将循环网络与人脑的记忆活动进行类比。 前...
  2017-04-16 12:21:23 | Deep Learning
• DL4j-02-MNIST
  Introduction MNIST包含手写数字的图像是一个数据库,与每一个图像标记的整数。它用于基准测试的机器学习算法的性能。 深度学习MNIST上执行的很好,实现超过99.7%的准确率。 我们将使用MNIST训练一个神经网络来看看每个图像和预测数字。 The MNIST Dataset MNIST数据集包含一个培训组60000例,和测试组10000例。 训练集用于教算法来预测...
  2017-04-16 09:32:46 | Deep Learning
• dl4j doc-04-minist 手写识别 Lenet-5 chat 简单聊聊
  chat Q: 手写数字识别模型 Lenet-5 详细介绍 LeNet-5 是由 Yann LeCun 等人于 1998 年提出的经典卷积神经网络模型，用于手写数字识别任务。它是深度学习领域中的先驱之一，被认为是现代卷积神经网络的雏形之一。LeNet-5 在数字识别任务上取得了很好的效果，为后来的深度学习研究奠定了基础。 以下是 LeNet-5 模型的详细介绍： 1. 架构 LeN...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-Deeplearning4j 官方 template 本地测试验证 入门 MINIST 实战测试
  快速入门模板 现在您已经学会了如何运行不同的示例，我们为您提供了一个模板，其中包含一个带有简单评估代码的基本MNIST训练器。 快速入门模板可在 https://github.com/eclipse/deeplearning4j-examples/tree/master/mvn-project-template 上找到。 也可以下下载压缩包，然后倒入。 这个项目相对比较简单。 备份...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 VIII
  VIII. 图形转换网络和转换器 Graph Transformer Networks and Transducers 在第四节中，图形转换网络（GTN）被介绍为多层、多模块网络的一种泛化，其中状态信息以图形而不是固定大小的向量表示。 本节将在广义转导框架中重新解释GTN，并提出了一个强大的图形组合算法。 A. 先前的工作 在语音识别领域，许多作者使用了梯度下降学习方法，将基于图形的...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 V
  VII. 多对象识别：空间位移神经网络 Multiple Object Recognition: Space Displacement Neural Network 在明确使用启发式方法对字符字符串图像进行分割的简单替代方案中有一个简单的替代方法。这个想法是在整个单词或字符串的标准化图像上沿着所有可能的位置扫描一个识别器，如图22所示。通过这种技术，不需要分割启发式方法，因为系统本质上检...
  2017-04-16 04:03:32 | Deep Learning