神经网络笔记

本文概述了神经网络的基本概念,包括神经元作为基本单元、单层和多层神经网络(如感知机和全连接层)、以及激活函数的作用,如增加非线性、稳定性和防止梯度消失,重点介绍了sigmoid、tanh和ReLU等常见激活函数。
摘要由CSDN通过智能技术生成

1.概念

        模拟生物的神经系统,对函数进行估计或者近似

2.神经元

        a.神经网络中的基础单元,相互连接。组成神经网络。

        b.t = f(w^{T}A + B)

        c.一个神经元的功能是求得输入向量与权向量的内积后,经一个非线性传递函数得到一个标量         结果。

3.单层神经网络

        a.最近单的神经网络的形式

4.感知机

        a.两层的神经网络

        b.简单的二分类问题,给定阈值,判断数据属于哪一部分(输出+1正例-1反例)

        c.超平面的分割,对于2维空间就是一条直线把平面分为两部分

5.多层神经网络

        a.输入层

        b.输出层

        c.隐层:可以有多层,每层神经元个数可以不确定

        d.全连接层:第N层和第N-1层中神经元两两之间都有链接

                i.进行是y=wx+b

6.激活函数

        a.线性:

                i.    系统:函数,f,模型,f(x)=y

               ii.    f(x1+x2) = y1+y2

               iii.   f(kx1)=ky1

        b.作用:

                i.增加模型的非线性分割能力

                ii.提供模型的稳定性

                iii.缓解梯度消失

                iv.加速模型的收敛

        c.常见的激活函数

                i.   sigmod: (0,1)

                ii.   tanh: (-1,1)

                iii.  relu: max(0,x)    (常用输入图片格式,像素(0,255))

                iv.  ELU  a(e^x - 1)

                

评论
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
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