前言
随着大数据和信息传输技术的兴起、人们的数据处理工作指数型增长,传统的编程方法和数学模型不再适用于这样大数据量、高噪音的工作,神经网络的使用就变得愈加广泛。作为传统机器学习的一个分支,神经网络实现了更高层次的自动化。对于多种神经网络,我们期望了解并评价这些模型。
算法评价
算法效率
通常使用时间复杂度和空间复杂度,来计算运算时间的相对消耗及计算使用存储空间的相对消耗。
算法效果
对于参数量较大的算法或一些黑箱性质的算法,通常算法效果也是算法评价的重要指标。通常使用在测试集上的损失来衡量神经网络的表现效果。
基础神经网络算法介绍
CNN[]
全连接神经网络是最基础的神经网络,他实现了通过训练逼近多个输入对应多个输出的函数。卷积神经网络主要在卷积神经网络的基础上加上了卷积层。通过多对一的卷积层实现了将大数据量的矩阵转换成了较小数据量的矩阵。卷积层,