神经网络与深度学习
文章平均质量分 82
群殴羊癫疯
hhu 农水☞智科
展开
-
神经网络与深度学习笔记:BP神经网络超详细推导
至此完成一次完整迭代,下一次笔记将会给出代码实践过程,请持续关注。原创 2024-09-12 20:25:57 · 914 阅读 · 0 评论 -
神经网络与深度学习实践:利用Adaline算法与Iris数据集实现鸢尾花分类器训练任务
python初始化类的方法,老生常谈不做解释。原创 2024-09-10 20:49:57 · 1100 阅读 · 0 评论 -
神经网络与深度学习笔记:神经网络基础
有师学习算法能够根据期望的和实际的网络输出(对应于给定输入)间的差来调整神经元间连接的强度或权。因此,有师学习需要有个老师或导师来提供期望或目标输出信号。在训练过程中,只要向神经网络提供输入模式,神经网络就能够自动地适应连接权,以便按相似特征把输入模式分组聚集。强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网络输出的优度(质量因数)。如前所述,强化(增强)学习是有师学习的特例。前馈网络具有递阶分层结构,由一些同层神经元间不存在互连的层级组成。神经元从一层连接至下一层,不存在同层神经元间的连接。原创 2024-09-07 20:29:12 · 1503 阅读 · 0 评论 -
神经网络与深度学习笔记:概述
AI的发展离不开算法的进步,由于AI的主要任务是模拟人脑等自然事物,而自然大多是模糊不精确的,因此计算方法上人们逐渐意识到使用精确的数学理论无法满足AI的发展需求,在传统工程与AI领域,人们常常使用严格精确的数学理论与函数公式进行数学建模产生精确解,例如控制论与专家系统,但是事实上,现实绝大部分问题非常复杂无法精确描述,因此专家开发出了几种不精确的计算模式:神经网络(学习)、模糊系统(决策)、遗传算法(优化),这些模拟自然的不精确算法统称智能计算方法,也被称为软计算,与之对应的精确算法称为硬计算。原创 2024-09-06 16:26:52 · 288 阅读 · 0 评论