深度学习
富哥92
一起学习
展开
-
神经网络的训练
激活函数y=sigmoid(WX)我们假设每个训练样本为(x,t),其中向量相x是训练样本的特征,而t是样本的目标值用样本的特征x,计算出神经网络中每个隐藏层节点的输出a,以及输出层每个节点的输出y。然后,我们按照下面的方法计算出每个节点的误差项n:对于输出层节点i,ni=yi(1-yi)(ti-yi)ni是节点i的误差项,yi是节点i的输出值,ti是样本对应于节点i的...转载 2018-05-23 10:54:55 · 281 阅读 · 0 评论 -
感知器训练
输出y=f(wx+b).。。。。。。 (1)激活函数为阶跃函数f(z),当z>0时,f(z)=1,当z=otherwise时,f(z)=0利用感知器训练算法,即感知器规则迭代的修改Wi和b,直到训练完成。Wi=Wi+△Wib=b+△b△Wi=n(t-y)Xi△b=n(t-y)Wi是与输入Xi对应的权重项,b是偏置项。事实上,可以把b看作是值永远为1的输入Xb所对...转载 2018-05-22 16:11:25 · 1809 阅读 · 0 评论 -
激活函数汇总
阶跃函数可以用在感知器激活等等原创 2018-05-09 10:07:38 · 259 阅读 · 0 评论 -
详细解析卷积神经网络
卷积神经网络是一种特殊的多层神经网络,它是deep learning中的一个算法,现在主要应用在图像处理领域中。既然说它是deep learning中的一个算法,那么就需要有大量的数据来支持,作为一个深度的神经网络,参数动辄百万以上,如果样本数过小很容易造成overfitting。卷积神经网络可以自主的从原始的输入图像中学习到有用的(利于分类的,利于预测的) features,这样可以将它应用...转载 2018-05-08 14:25:42 · 2039 阅读 · 0 评论