[机器学习]机器学习笔记整理10- 神经网络算法

这篇博客主要介绍了多层向前神经网络及其在机器学习中的应用,详细讲解了Backpropagation算法的工作原理,包括神经网络的结构设计、权重初始化、交叉验证方法以及算法的实现过程。
摘要由CSDN通过智能技术生成

1.背景

以人脑中的神经网络为启发,前者加生物神经网络,最著名的算法是1980年的 backpropagation

2多层向前神经网络(Multilayer Feed-Forward Neural Network)

2.1 Backpropagation被使用在多层向前神经网络上
2.2 多层向前神经网络由以下部分组成:
 1) 输入层(input layer)
 2)隐藏层 (hidden layers)
 3)输入层 (output layers)

这里写图片描述

2.3 每层由单元(units)组成

1)输入层(input layer)是由训练集的实例特征向量传入
2)经过连接结点的权重(weight)传入下一层,一层的输出是下

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

图解AI

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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