【2021-2022 春学期】人工智能-作业2：例题程序复现

最新推荐文章于 2024-08-08 18:36:45 发布
最新推荐文章于 2024-08-08 18:36:45 发布
阅读量1.1k 收藏
点赞数 1
分类专栏： 人工智能作业 文章标签： 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Saturn_/article/details/124532512
版权

输入值：x1, x2 = 0.5，0.3

输出值：y1, y2 =0.23， -0.07

激活函数：sigmoid

损失函数：MSE

初始权值：0.2 -0.4 0.5 0.6 0.1 -0.5 -0.3 0.8

目标：通过反向传播优化权值

对给出的代码拆分分析

这个函数是前向传播

在这里插入图片描述

这个函数是反向传播

在这里插入图片描述

更新权重

在这里插入图片描述

主函数进行训练

在这里插入图片描述
复现结果：
在这里插入图片描述
由于太多，只节选部分展示

Saturn_
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
神经网络笔记
chaitou0919的博客
05-20 6659
#神经网络笔记 @email kaimango@163.com https://keras-cn.readthedocs.io/en/latest/getting_started/sequential_model/#sequential 该笔记，作为人工智能汇报的蓝本，亦作为作者的学习笔记 欢迎指点 简单神经网络 神经单元 在神经网络中，当输入为x1、x2、x3时，神经单元将它们如下整合为加权输入z，通过激活函数a(z)来处理。z1=w1x1+w2x2+w3x3+b（w1、w2、w3为权重，b为偏置）
神经网络中的神经元和激活函数详解
热门推荐
tyler_download的专栏
02-10 1万+
在上一节，我们通过两个浅显易懂的例子表明，人工智能的根本目标就是在不同的数据集中找到他们的边界，依靠这条边界线，当有新的数据点到来时，只要判断这个点与边界线的相互位置就可以判断新数据点的归属。 上一节我们举得例子中，数据集可以使用一条直线区分开。但对很多问题而言，单一直线是无法把数据点区分开的，例如亦或运算， 当两数的值不同时，亦或结果为1，相同时亦或运算结果为0，我们用 oxr 标记亦或运...
深度学习基础——感知机
aabb7654321的博客
08-01 347
转载自：原文地址 神经网络如下图所示： 上图中每个圆圈都是一个神经元，每条线表示神经元之间的连接。我们可以看到，上面的神经元被分成了多层，层与层之间的神经元有连接，而层内之间的神经元没有连接。最左边的层叫做输入层，这层负责接收输入数据；最右边的层叫输出层，我们可以从这层获取神经网络输出数据。输入层和输出层之间的层叫做隐藏层。 感知器——神经网络的组成单元 一个感知器有如下组成部分： ...
【机器学习】简单理解单层感知器
IT菜鸟
06-23 8326
机器学习入门教程：单层感知机 参考文章： 深度学习之(神经网络)单层感知器（python）（一） 超详细！带你走进单层感知器与线性神经网络 一、单层感知机的由来 神经元结构 输入神经元（x）：input 传出神经元（y）：output 刺激强度（w1，w2，w3） 细胞体自身信号（偏置值b） 单层感知机只有输入层、输出层，没有隐藏层；多层感知机，既有输入层，又有输出层，还有...
零基础入门深度学习(1) - 感知器
倔强不倒翁的博客
11-05 8554
零基础入门深度学习(1) - 感知器
【2021-2022 春学期】人工智能-作业3：例题程序复现 PyTorch版
Notebook
04-30 1899
题目要求同作业2： 【2021-2022 春学期】人工智能-作业2：例题程序复现_HBU_David的博客-CSDN博客 作业2：手推计算完成反向传播过程，进而用代码实现。 作业3：使用深度学习框架pytorch，直接调用 backward（）函数完成反向传播。 参考代码： # https://blog.csdn.net/qq_41033011/article/details/109325070 # https://github.com/Darwlr/Deep_learning/blob/mas
人工智能-作业2：例题程序复现
jiaotshidi的博客
05-01 199
文章目录误差反向传播：前馈神经网络代码步长，迭代次数影响更换步长和次数步长过大的影响对收敛的探究探究1：当输出值有负数探究2：当输出值为正探究3：输入值对收敛的影响参考 误差反向传播：前馈神经网络 过多的原理不在赘述，前向传播，反向传播的梯度下降和原理部分都可以在这篇文章中找到。 代码 import numpy as np import matplotlib.pyplot as plt def sigmoid(z): a = 1 / (1 + np.exp(-z)) return a
深度学习 100 题（转）
weixin_30432179的博客
05-20 7730
深度学习 100 题（转） https://github.com/wizardforcel/data-science-notebook/tree/master/dl/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0_100_%E9%A2%98 来源：BAT面试1000题 1、梯度下降算法的正确步骤是什么？ a.计算预测值和真实值之间的误差 b.重...
大模型微调工具-torchtune
weixin_40777649的博客
08-08 317
1.定义2.安装3. 案例。
LLM - 理解 主流大模型 LLM 都使用 Decoder Only 架构的原因 (总结8点)
Mystra
08-05 98
Decoder Only 模式泛化性更好的理论原因包括：训练难度更大、具有隐式的位置编码能力、上下文学习支持 Few-Shot、注意力矩阵是满秩的、参数更少推理更快、KV-Cache、支持 Pipeline Parallel、实验支持。LLM 主流都会使用 Decoder Only 架构，而 Encoder-Decoder、PrefixLM 等混合训练方式，相对较小模型更加合适。
【OpenCV C++20 学习笔记】仿射变换-warpAffine, getRotationMatrix2D
最新发布
TeamLee的博客
08-08 422
本文简要介绍了OpenCV中仿射变换的原理和算法，并详细展示了在OpenCV中如何使用getAffineTransform, getRotationMatrix2D和warpAffine方法对图片进行仿射变换和旋转。
电脑技巧：9个免费的AI图片无损放大工具和网站
08-05 784
今天小编给大家介绍9款免费的AI图片放大工具和网站，帮助你提高图片清晰度，感兴趣的朋友可以自己试一试！美图设计室是美图秀秀公司推出的一款在线图片编辑和设计工具箱，提供包括AI 抠图、AI海报、AI PPT、AI消除、AI文生图、AI变清晰、AI无损放大等AI图片编辑工具。其提供的图片无损放大功能，目前是限时免费中，可以帮助用户将JPG、JPEG、PNG、HEIC等格式的图片放大清晰不失真，细节更丰富。✅ 产品优点由美图推出，产品功能稳定，处理速度较快支持免费进行图片放大到8倍。
RPA+AI有什么应用？6大技术融合方向分析 | 实在RPA研究
SHIZAIZHINENG的博客
08-06 998
随着数字化转型的加速，企业正寻求更高效、智能的方法来优化业务流程。机器人流程自动化（RPA）作为一种快速兴起的技术，已经证明了其在自动化重复性任务方面的能力。然而，当RPA与各种人工智能（AI）技术相结合时，其潜力将得到更全面的释放。本文将探讨不同的AI技术如何与RPA结合，以及这种结合为企业带来的变革性应用方向。机器学习 (ML)使系统能够从数据中学习和改进提高预测准确性，自动化决策制定风险管理、欺诈检测、个性化推荐银行使用ML增强RPA进行信用评分和欺诈识别计算机视觉 (CV)
线性代数课程概要介绍
08-07 707
线性代数课程内容丰富，主要围绕向量、矩阵和线性变换等核心概念展开，旨在培养学生的空间直观和想象能力、抽象思维和逻辑推理能力。线性代数是理工科大学生必修的数学基础课之一，也是硕士研究生入学全国统一考试中必考的数学课程之一。它不仅是离散化和数值计算的理论基础，还广泛应用于自然科学、社会科学、工程技术、军事和工农业生产等领域。
sheng的学习笔记-AI-k近邻学习（kNN)
coldstarry的专栏
08-07 266
k近邻（k-Nearest Neighbor，简称kNN）学习是一种常用的监督学习方法，是一种基本的分类与回归方法。分类问题：对新的样本，根据其 k 个最近邻的训练样本的类别，通过多数表决等方式进行预测。回归问题：对新的样本，根据其 k 个最近邻的训练样本标签值的均值作为预测值。
【编译原理文法概述】
武帝为此的博客
08-05 677
文法（Grammar）是描述语言语法结构的一种形式化系统，用于定义合法字符串的集合。在编译原理中，文法是用于定义编程语言语法的一套规则。通过这些规则，我们可以确定某个字符串是否属于该语言，及其结构如何。这些规则定义了如何从起始符号生成语言中的字符串，进而描述了语言的语法。
开源力量：PlugLink如何重塑中文AI技术生态系统（附源码）
AI心易行者
08-08 846
随着中文互联网生态的蓬勃发展，AI技术的应用正以前所未有的速度改变着我们的工作与生活。在这股洪流之中，——一个专注于链接AI技术与实际业务场景的开源应用，正在悄然引领一场技术与运营的融合革命。本文将深入剖析PlugLink如何巧妙地将AI技术融入日常工作流程，提高效率，降低成本，同时，我们也将一窥其内部机制，并探索如何利用它来解决中文环境下的特定挑战。
昇思基础课程打卡（SPONGE课前学习）9.使用静态图加速
cftang9999的专栏
08-06 651
AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行，但也支持手工切换为静态图模式。
2021-2022年函数图象精讲：作图与性质探讨
本资源为2021-2022年教育精品资料中的第二章第八讲，主要聚焦于函数的图象分析和应用。课程内容分为三个部分，涵盖了A级和B级考试要求的关键知识点。 首先，A级要求包括理解点的坐标与函数图象之间的关系，即如何...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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