# mnist

**Repository Path**: cj740470290/mnist

## Basic Information

- **Project Name**: mnist
- **Description**: python自己实现的神经网络，完成手写数字识别的问题
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2020-09-16
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 灵感来源于：https://blog.csdn.net/qq_31192383/article/details/77429409
西格玛函数：sigmoid函数<br>
代价函数：1/2*(y-a)^2，偏导数为a-y<br>
最近看了一本书，叫做未来简史，书中说以后人工智能将无处不在，是一个万物互联的世界

传统的机器学习，比如k近邻解决的是分类问题，思想就是离谁近就和谁是一类，它们都是通过数学算法去解决问题，通过计算得到一个明确的结果，整个过程很直观<br>
现在最火的是深度学习，它的原理是神经网络，就是通过模拟人类的大脑思考过程，去让计算机像人一样思考，然后解决问题<br>
之前使用人工智能的时候，使用的框架tensorflow，它把很多事确都做好了，你只需要很少的代码就可以解决问题，后来我就疑惑，神经网络是通过一层层的神经元去处理问题，电脑究竟是怎么模拟神经元的呢？于是决定不使用框架，独立完成神经网络<br>
经过一番研究后，我发现神经网络可以用一句话描述<br>
随机生成一个函数，通过大量的数据，调整函数的参数，得到一个准确率最高的函数<br>
事实上也不简单，因为随便一个问题都是很难解决的，比如这个函数有多少个参数，或者参数调整的算法是什么，每个问题的背后都很复杂

## 第一次计算：
### 784\*1的矩阵，乘以30\*784的矩阵加上30\*1的误差矩阵，使用sigmoid转化一下，成为30\*1的（0，1）的矩阵
## 第二次计算：
### 30\*1的矩阵，乘以10\*30的矩阵加上10\*1的误差矩阵，使用sigmoid转化一下，成为10\*1的（0，1）的矩阵，矩阵的下标表示是那个数字的概率