- 博客(12)
- 收藏
- 关注
RSS订阅原创 吴恩达神经网络Course——week4
一个多层的神经网络，结构是输入层->隐藏层->隐藏层->···->隐藏层->输出层**，在每一层中，我会首先计算Z = np.dot(W,A) + b，这叫做【linear_forward】，然后再计算A = relu(Z)或者A = sigmoid(Z)，这叫做【linear_activation_forward】，合并起来就是这一层的计算方法，所以每 初始化网络参数 前向传播 2.1 计算一层的中线性求和的部分 2.2 计算激活函数的部分（...
2020-11-01 14:29:46
168
原创 吴恩达神经网络Course1 -week3
构建神经网络的一般方法是：定义神经网络结构（输入单元的数量，隐藏单元的数量等）。 初始化模型的参数 循环：实施前向传播 计算损失 实现向后传播 更新参数（梯度下降） 我们要它们合并到一个nn_model() 函数中，当我们构建好了nn_model（）并学习了正确的参数，我们就可以预测新的数据。定义神经网络结构在构建之前，我们要先把神经网络的结构给定义好：n_x: 输入层的数量 n_h: 隐藏层的数量（这里设置为4） n_y: 输出层的数量初始化模型...
2020-11-01 14:26:18
148
原创 吴恩达神经网络Course1
现在总算是把我们加载的数据弄完了，我们现在开始构建神经网络。以下是数学表达式，如果对数学公式不甚理解，请仔细看一下吴恩达的视频。建立神经网络的主要步骤是： 定义模型结构（例如输入特征的数量） 初始化模型的参数 循环： 3.1 计算当前损失（正向传播） 3.2 计算当前梯度（反向传播） 3.3 更新参数（梯度下降） ...
2020-11-01 14:21:46
127
原创 python——分位数
案例1Ex1： Given a data = [6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36]，求Q1（25分位）, Q2（50分位）, Q3（75分位）, IQRSolving：步骤：1. 排序，从小到大排列data，data = [6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49]2. 计算分位数的位置3. 给出分位数分位数计算法一pos = (n+1)*p，n为数据的总个数，p为0-1之间的值Q1的pos =
2020-08-04 11:37:39
1034
原创 Armstrong公理
Armstrong公理系统设关系模式R<U,F>，其中U为属性集，F是U上的一组函数依赖，那么有如下推理规则：① A1自反律：若Y⊆X⊆U，则X→Y为F所蕴含；② A2增广律：若X→Y为F所蕴含，且Z⊆U，则XZ→YZ为F所蕴含；③ A3传递律：若X→Y，Y→Z为F所蕴含，则X→Z为F所蕴含。根据上面三条推理规则，又可推出下面三条推理规则：④ 合并规则：若X→Y，X...
2020-03-31 17:55:54
722
原创 数据库模式详解
第一范式 定义以及分析: 问题研究： 第二范式 必备知识点 定义 分析： 解决办法： 问题研究： 第三范式： 定义： 分析： 问题分析： BCNF范式 分析 问题研究 小结： 参考文献第一范式定义以及分析:首先是第一范式（1NF）。符合1NF的关系（你可以理解为数据表。“关系模式”和“关系”的区别，类似于面向对...
2020-03-16 18:36:32
686
原创 模式分解详解，分解为3NF与分解为BCNF
3NF：不存在非主属性对码的传递函数依赖或部分函数依赖。 如AB-C,A->C 码为（A,B），A,B是主属性，C是非主属性，C部分函数依赖于码，即不满足3NFBCNF：每个决定因素都包含码（相比于3NF，优点是加上了对主属性的限制） 另一种说法：①主属性完全函数依赖于不含它的码 ②没有任何属性完全函数依赖于非码的任何一组属性...
2020-03-04 23:06:04
11164
5
原创 检验分解的函数依赖保持性
输入:关系模式R的函数依赖集F和分解P={R1,R2,…,R}输出:P是否保持函数依赖的判定。方法:(1)for(每个x→y∈F)do(2)begin(3) if(不存在i使得XYR)then / * 检验X→Y是否被分解p所保持 * /(4) begin(5) Z<-X;(6) repeat(7) ...
2020-03-04 23:04:14
1471
原创 判断分解的无损连接性
算法ρ={R1<U1,F1>,R2<U2,F2>,...,Rk<Uk,Fk>}是关系模式R<U,F>的一个分解，U={A1,A2,...,An}，F={FD1,FD2,...,FDp}，并设F是一个最小依赖集，记FDi为Xi→Alj，其步骤如下：① 建立一张n列k行的表，每一列对应一个属性，每一行对应分解中的一个关系模式。若属性Aj ∈U...
2020-03-04 22:51:01
1560
2
原创 如何求一个关系模式的候选码
求候选码的简单方法：（1）如果有属性不在函数依赖集中出现，那么它必须包含在候选码中；（2）如果有属性不在函数依赖集中任何函数依赖的右边出现，那么它必须包含在候选码中；（3）如果有属性只在函数依赖集的左边出现，则该属性一定包含在候选码中。（4）如果有属性或属性组能唯一标识元组，则它就是候选码；按以下步骤求候选键：1.只在FD右部出现的属性，不属于候选码;2.只在F...
2020-03-04 22:48:54
701
1
原创 关系规范化之求最小函数依赖集
步骤：① 用分解的法则，使F中的任何一个函数依赖的右部仅含有一个属性； ② 去掉多余的函数依赖：从第一个函数依赖X→Y开始将其从F中去掉，然后在剩下的函数依赖中求X的闭包X+，看X+是否包含Y，若是，则去掉X→Y；否则不能去掉，依次做下去。直到找不到冗余的函数依赖； ③去掉各依赖左部多余的属性。一个一个地检查函数依赖左部非单个属性的依赖。例如 XY→A，若要判Y为多余的，则以X...
2020-03-04 22:48:16
997
原创 关系模式2NF，3NF，BCNF的判定
2NF：每一个非主属性都完全依赖于码 判定：不存在非主属性对关键字的部分依赖 例如：R(A,B,C,), F={A→B,B→A,C→A}第2范式，主码是C，不存在非关键字部分依赖关键字，所以属于第2范式。存在非关键字对任一候选关键字的传递函数依赖，所以不符合第3范式。3NF：非主属性函数依赖于超码判定：不存在非主属性对码的传递函数依赖或部分...
2020-03-04 22:40:57
4924
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人