M-P_神经元模型、激活函数、神经网络结构、学习网络参数、代价定义 文章目录 M-P_神经元模型、激活函数、神经网络结构、学习网络参数、代价定义 M-P 神经元模型 激活函数(Activation function) 神经网络结构 举例 训练神经网络 学习网络参数 代价定义 均方误差 交叉熵（Cross Entropy） 总代价 M-P 神经元模型 ⚫ 输入：来自其它n个神经元传递过来的输入信号 ⚫ 处理：输入信号通过带权重的连接进行传递, 神经元接受到总输入值将与神经元的阈值进行比较 ⚫ 输出：通过激活函数的处理以得到输出 激活函数(Activation function) ⚫ 理想激活函数是阶跃函数, 0表示抑制神经元而1表示激活神经元 ⚫ 阶跃函数具有不连续、不光滑等不好的性质, 常用的是 Sigmoid 函数 神经网络结构 举例
超级会员免费看
订阅专栏 解锁全文
348
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
