- 博客(4)
- 收藏
- 关注
RSS订阅原创 卷积层的简单理解
官方给出的定义为：卷积神经网络中每层卷积层（Convolutionallayer）由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网路能从低级特征中迭代提取更复杂的特征。我自己的理解是：跟感知机中的全连接层做比较，全连接层中，每个输入层中的都会有一个权值进行连接。对于卷积层，则是部分进行权值连接。绿色到蓝色为卷积层，橙色之间为全连接层。
2024-04-18 17:35:34
410
原创 BP神经网络初识
我的理解是可以拆分为BP和神经网络。BP指的是反向传播，也就是对一个对于一个多变量函数的求导过程。在输入层进入隐藏层过程中使用了Signoid激活函数，则隐藏层的数据可以写成：N = F(Z) = F(W。最终会得到一个Y1值，再与真实的Y值算出损失值：Loss = 1/2*(Y - Y1).pow(2).根据图示，可以把输入的数据定义为X，神经网络的权重值W，那么在输入层递进的过程可以写成"Z = W。该神经网络有：输入层，一个隐藏层，输出层。这样通过反向传播，可以得出W。的梯度，再经过梯度下降法求W。
2024-03-19 18:23:22
271
2
原创 激活函数初识
激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经元的内容。（是一种映射，把所得到的结果转化成其他的表达的方法）
2024-03-17 15:03:37
499
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