Neural Networks for Machine Learning(系列)letcure 1

前言

为了给事物建模。就必须理想化他
这样可以移除一些不必要的复杂细节
允许我们运用数学的知识,并推理其他相近的领域
一旦我们领悟到主要核心的知识,那么增加复杂信息以使模型更加合理将会变得更加的简单。

一些简单的神经元

  1. 线性神经元
    格式: y=b+ wTx
    图形是:一条直线
  2. 阈值型神经元
    组合一些命题,得到其他命题
    有两种形式(见下,他们的联系就是 Θ=b ),其实都是一样的。
    这里写图片描述
    图形是:
    这里写图片描述

  3. 分段式线性神经元
    该神经元其实是组合了 线性神经元和阈值神经元
    公式:
    这里写图片描述
    注意:大于0是输出是,z而不是1.
    图形:
    这里写图片描述

  4. Sigmoid神经元
    该神经元有光滑的导函数,即其导数是连续的。
    公式:这里写图片描述
    图形:
    这里写图片描述

  5. 随机阈值神经元
    和4一模一样。只是输出的不是概率,而是0或者1.

安装Octave

Octave链接
Octave官方文档

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值