机器学习课程复习——ANN

已于 2024-06-18 18:06:03 修改
阅读量408 收藏 3
点赞数 9
分类专栏： 机器学习 文章标签： 机器学习 人工智能
于 2024-06-16 11:34:50 首次发布
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/Winkyyyyyy/article/details/139710564
版权

Q：ANN？

基本架构

  • 由输入层、隐藏层、输出层等构建
  • 前馈/反馈传播 

工作原理

  • 先加权求和：每个神经元的输出是输入加权和的激活
  • 再送入激活函数：激活函数的存在使得其能够拟合各类非线性任务 
  • 联想：像adaboosting的加权求和

Q：要调哪些参数？

见思维导图

Q：基本架构是怎么确定的？

  1. 输入层：根据输入的参数有几个维度确定的
  2. 隐藏层：想加几层加几层，根据效果去调
  3. 每个隐藏层的神经元个数：根据效果去调
  4. 隐藏层之间的激活函数：根据效果去调

Q：更新权重？

在ANN中更新权重主要用到的是前向传播算法和反向传播算法

是Winky啊
关注
  • 9
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习课程复习——逻辑回归
Winkyyyyyy的博客
06-15 772
逻辑回归=线性回归+sigmoid函数
机器学习课程复习——决策树
Winkyyyyyy的博客
06-19 491
决策树通过学习数据特征之间的简单决策规则来预测目标变量，包含特征选择、树的生成、剪枝等步骤。选择一个属性作为分裂节点时，通常基于信息增益、增益率或基尼指数，分别对应ID3、C4.5、CART算法。
机器学习课程复习
Winkyyyyyy的博客
06-19 668
Semester4机器学习课程复习
机器学习期末概念复习
qq_54103767的博客
01-06 1090
机器学习是计算机科学的子领域，是人工智能的一个分支和实现方式定义本质：机器学习的任务是学习⼤量数据中隐藏的模式，利⽤这种模式可以对新的样本进⾏判别 和预测机器学习所关注的是计算机程序如何随着经验积累自动提高性能；形式化描述：对于某类任务T和性能度量P，如果⼀个计算机程序在T上以P衡量的性能随着经验E⽽⾃我完善，那么就称这个计算机程序在从经验E学习；是⼀⻔⽤来设计算法的学科，这些算法能够从数据中构造预测和描述模型；主要的理论基础涉及到概率论、数理统计、最优化理论等，核⼼要素是数据、算法和模型；
机器学习期末复习
tuygioj的博客
05-24 5199
一、前言 接下来是对于机器学习期末复习题的问答与解析，按照知识点分布包括下面几个部分： 二、模型评估与选择 三、对数几率回归 四、决策树 五、神经网络 六、支持向量机 七、聚类分析 八、K-NN与PCA 二、模型评估与选择 2.单选题 (2分) ”点击率问题”是这样一个预测问题, 99%的人是不会点击的, 而1%的人是会点击进去的, 所以这是一个非常不平衡的数据集. 假设, 现在我们已经建了一个模型来分类, 而且有了99%的预测准确率, 我们可以下的结论是 : ( ) A 以上都不对 B 模型预测准确率已经
2024线性代数复习——矩阵代数
WHS-_-2022的博客
10-26 695
相似矩阵：存在可逆矩阵 PPP，使得 P−1AP=BP^{-1} A P=BP−1AP=B，则称矩阵 AAA，BBB 相似，特征值相等。注意只有相似矩阵 BBB 是对角阵，我们才说它是可以相似对角化的。 AAA 可以相似对角化 ⇔充要条件\overset{充要条件}{\Leftrightarrow}⇔充要条件 是 AAA 有 nnn 个线性无关的特征向量，且对角线的值就是特征值。 AAA 可以正交对角化 ⇔充要条件\overset{充要条件}{\Leftrightarrow}⇔充要条件 是 AAA 是实对称
机器学习初探：（一）机器学习绪论
m0_60862600的博客
02-14 700
（一）机器学习绪论 文章目录（一）机器学习绪论什么是机器学习？数据科学、人工智能、机器学习、深度学习人工智能（Artificial Intelligence, AI)机器学习（Machine Learning, ML)深度学习（Deep Learning，DL)数据科学（Data Science, DS)机器学习是怎么学习的？机器学习的分类有监督学习（Supervised Learning）回归（Regression）分类（Classification）无监督学习弱监督学习强化学习小结参考资料 什么是机器
神经网络与深度学习复习大纲
weixin_53500031的博客
01-04 1845
神经网络期末复习
深度学习期末复习
weixin_44801852的博客
07-04 5573
学期内容回顾 一、人工智能的概念，发展历程及每个历程的特点和代表性理论或算法，或主要驱动力 二、人工神经网络ANN的前向传播计算和误差反向回传原理 三、卷积神经网络CNN的前向传播计算和误差反向回传原理 注意对比分析ANN与CNN的相同之处和不同之处，深入理解卷积运算的概念和本质 掌握卷积后的特征图尺寸的计算方法 四、神经网络优化 掌握常见激活函数 了解权值初始化的技术 理解训练神经网络的优化技术：SGD，Momentum，Adagrad， RMSProp，Adam等 五、深入理解各种类型的卷积操作 NiN
AI算法16-贝叶斯线性回归算法Bayesian Linear Regression | BLR
yangguangjiujiu99的专栏
07-15 1106
线性回归的频率主义观点可能你已经学过了：该模型假定因变量（y）是权重乘以一组自变量（x）的线性组合。完整的公式还包含一个误差项以解释随机采样噪声。如有两个自变量时，方程为：模型中，y是因变量，β是权重（称为模型参数），x是自变量的值，ε是表示随机采样噪声的误差项或变量的影响。线性回归是一个简单的模型，它可以很容易解释：是截距项，其他权重β表示增加自变量对因变量的影响。例如，如果是1.2，那么对于中的每个单位增加，响应将增加1.2。我们可以使用矩阵方程将线性模型推广到任意数量的预测变量。
机器学习概述
2301_76828807的博客
07-15 376
机器学习概述
借助高能效GaN转换器，提高充电器和适配器设计的功率密度
Qingniu01的博客
07-16 673
在PD运行模式下，谐振电流和磁化电流之间的电流差经由变压器和整流器传递到二次侧，从而实现给负载供电. 除此之外，所有一个侧MOSFET均随ZVS谐振接通，从而完全回收存储在MOSFET寄生输出电容中的能量。能够实现更高功率密度的转换器拓扑 事实证明，得益于零电压开关（ZVS）和无缓冲损耗，诸如有源钳位反激式（ACF）、混合反激式（HFB）和LLC转换器等半桥（HB）拓扑，即使在很高开关频率下也能实现高能效。采用与LLC转换器相同的技术，在这种拓扑中，变压器漏感和磁化电感可与电容器发生谐振。
异常检测算法
m0_53881899的博客
07-15 357
异常检测算法
十六、【机器学习】【监督学习】- 支持向量回归 (SVR)
技术分享、程序员趣事、行业趋势等内容！
07-18 686
在先前的文章系列中，我们深入探讨了机器学习的基础框架和算法分类，为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 神经网络回归，旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。
NumPy与线性代数：掌握机器学习中的矩阵操作艺术
eclipsercp的博客
07-15 759
通过本文，我们详细介绍了NumPy库在数据处理和线性代数运算中的应用。NumPy不仅提供了高效的多维数组对象，还内置了丰富的数学函数，特别是针对线性代数的操作。掌握NumPy的这些基础操作，将为我们后续的机器学习应用提供有力的支持。希望本文能帮助读者更好地理解NumPy与线性代数的关系，并在实践中灵活运用这些知识。随着学习的深入，你将能够解锁更多NumPy的高级特性和功能，进一步提升你的数据分析和科学计算能力。
深入剖析 Scikit-learn 中的 LogisticRegression：参数调优指南
2402_85762143的博客
07-15 557
Logistic Regression 通过使用逻辑函数将线性回归的输出映射到 0 和 1 之间，从而进行二分类。它是一种概率分类器，可以给出每个类别的预测概率。
当农业遇见智能：机器学习引领农作物管理新时代
qq_42538588的博客
07-15 1526
随着现代农业技术的迅猛发展，机器学习作为一种强大的工具，已经深刻改变了农作物管理的面貌。通过机器学习算法，农业生产过程中的数据可以被准确地收集、分析和应用，从而提高了生产效率和农作物的质量。例如，利用机器学习在农田中实现精准施肥和智能灌溉，不仅节约了资源，还提高了作物的产量和质量。机器学习还能够预测疾病和虫害的发生，及时采取预防措施，从而降低了农业生产的风险。
机器学习包含子领域
最新发布
零度°C的博客
07-18 596
机器学习是人工智能中最活跃的研究领域之一，它通过算法使计算机能够从数据中学习并做出决策。本文将详细介绍机器学习的各个子领域，包括它们的定义、主要方法和应用场景。
PyCharm & 机器学习：打造高效数据可视化工作流
AI心易行者
07-15 1010
PyCharm是JetBrains公司推出的一款智能IDE，以其强大的代码编辑、调试、集成版本控制系统等功能闻名于世。特别是对于机器学习开发者，其对numpy、pandas、scikit-learn等库的出色支持，极大地提升了开发效率。利用mplcursors添加数据点的悬浮提示，或者借助Plotly和Bokeh创建完全交互式的Web可视化图表，使分析报告更加生动。通过修改matplotlib的rcParams或应用样式表（如ggplot），轻松统一并美化所有图表的外观，提升报告的专业感。

“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

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