1樓：
簡單一點的方法：
1. 看懂神經網路演算法（Andrew Ng 講的BPNN）.
2. 收集，標記你的資料.
3. matlab有個神經網路工具箱，可以直接用來訓練.
2樓：king zin
我覺得Michael Nelson以數字識別為例子講人工神經網路講的不錯。 當然現在數字識別基本已經是神經網路的HelloWorld了。 只是覺得MN在覆蓋面，深度，文章篇幅各方面的平衡上把控的非常好。
整個教程也不算長，半個禮拜應該也能看完。 然後MN在數字這個識別上進行了各種改進，能夠達到相對較高的精度。
Neural networks and deep learning
3樓：George lee
我建議大一還是先打好數學與演算法的基礎，如果實在很感興趣，可以上Andrew NG的http://
deeplearning.stanford.edu/tutorial/
裡面拜讀一下，不懂的不斷Google
4樓：
個人建議學好英語，然後大三上tensorflow看tutorial。目前可能你的數學和計算機基礎不足以充分理解神經網路。
如果我想做一個基於視覺的機械臂物料抓取，我需要準備些什麼，大致思路還有哪些資料可以去看？
利益相關 做過一段時間基於ros機械臂的抓取這是我一些比較淺顯的想法，跟題主分享一下。1.視覺獲取目標物體 2.確定物體的在機械臂座標系的座標 3.控制機械手到目標物體附近 4.對物體進行抓取 5.將物體移動到目標位置 先從這五個方面思考，每一步都對應著大量的演算法，明天再補充 天馬微雲 I can...
如果乙個神經網路的總loss loss1 loss2，那麼這個網路是如何反向傳遞更新loss1的呢
Tridu 現在大資料這麼離譜的嗎？希望是巧合。剛出實驗室，剛批改的作業就是BP反向求導的習題，居然一開啟知乎就看到了這個問題。建議題主看看相關網課ppt資料 這裡lecture18有個手寫求導pdf 貓頭嚶 我寫了一篇BP原理，你可以系統性的了解一下。 靈劍 感覺是沒有理解梯度下降的意義，我理解你...
能否設計乙個神經網路實現類似FFT的功能？
cuimolei 其實FFT是DFT的快速實現，而DFT實際上就是卷積。DFT本質上就是乙個線性變換，所以用不帶非線性變換的卷積實現FFT是完全沒問題。而DFT有各項同性的特性，意味著其可以拆解為nx1,1xn卷積兩步實現，而FFT是針對DFT冗餘計算進行的優化。也就是從計算量講 多層卷積 單層nx...