本章讲了神经网络这个近年来非常火的话题
神经网络模仿于神经元,拟定了输入和输出,给输入输出增加一个权值来进行调节,若干个神经元组合在一起就形成了神经网络。
然后介绍了多层神经元构成的神经网络,以及神经网络各层如何更新参数,这里提出了根据梯度下降法进行参数的更新,使得误差函数最小,由于某一个函数并不一定仅仅存在一个极小值,所以有可能陷入局部极小值而不是全局极小值。
然后介绍了各种其它类型的神经网络结构,最后介绍了深度学习和卷积神经网络。
本章讲了神经网络这个近年来非常火的话题
神经网络模仿于神经元,拟定了输入和输出,给输入输出增加一个权值来进行调节,若干个神经元组合在一起就形成了神经网络。
然后介绍了多层神经元构成的神经网络,以及神经网络各层如何更新参数,这里提出了根据梯度下降法进行参数的更新,使得误差函数最小,由于某一个函数并不一定仅仅存在一个极小值,所以有可能陷入局部极小值而不是全局极小值。
然后介绍了各种其它类型的神经网络结构,最后介绍了深度学习和卷积神经网络。