文章目录 一、神经网络基础1.得分函数 f(xi;W,b)1)从输入到输出的映射2)数学表示3)计算方法4)多组权重参数构成了决策边界 2.损失函数 L3.前向传播4.Softmax分类器 梯度下降2.反向传播 一、神经网络基础 回归任务:最终要预测一个值。由得分算损失。 分类任务:由概率算损失。 前向传播:有了x和W,得到损失L(loss)的过程。 返向传播: 神经网络目标:去更新W,找出什么样的W是最合适的。损失很高,说明W不好。 1.得分函数 f(xi;W,b) 1)从输入到输出的映射 2)数学表示 3)计算方法 这里分成了三个类 W:权重系数矩阵 xi:输入(4个像素点) b:偏置参数矩阵 4)多组权重参数构成了决策边界 2.损失函数 L 3.前向传播 4.Softmax分类器 梯度下降 2.反向传播