一、神经网络简介
神经网络算法的发展历史
起源:20世纪中叶,一种仿生学产品。
兴起:环境->2进制创新;能力->软硬件;需求->人的性价比。
主要功能:
分类识别
分类:图像(自动驾驶)、语音(语音助手)、文本(新闻推送)
(1)了解神经网络的脉络
训练学习:网络结构、激励函数、损失函数、梯度下降
网络结构:
这就是一个神经网络的结构,是一个单层的结构,但是具有输入层、隐含层、输出层、最终预测的值。
逻辑回归:
它是一种最简化的网络结构。
激励函数:
作用:提供规模化的非线性化能力。
常用的神经元:
Sigmoid,它的优点是在整个区间上都是可导,缺点是不对称:
tanh:
ReLU:
目前使用的最多的神经元是ReLU。
损失函数:
理解神经网络的相关概念和函数。
单次训练损失:
全部训练损失:
梯度下降:
理解逻辑回归中的梯度下降。
对w、b进行同步更新。
网络向量化:
理解神经网络的网络向量化。