![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络和深度学习
文章平均质量分 87
gaochang21
这个作者很懒,什么都没留下…
展开
-
RNN与LSTM
为什么有了神经网络还会有RNN,这是因为传统神经网络没有考虑每次输入之间的相关性以及输出之间的相关性,它只对每次输入进行同样的运算并得到结果,没有考虑到连续的输入之间本身存在一种相关性,也就是说每次输入都是独立的。基于每次输入都是独立的假设,每次输出都只与当前输入有关,不能从之前的输入以及输出中得到有效的信息,这在许多情况下不是我们所期望的。RNN就是注意到了这种相关性并利用了这种相关性。RNN在许原创 2017-10-22 15:02:57 · 1184 阅读 · 0 评论 -
神经元细节
单个神经元的模型如下图所示:在右图中,神经元的激励反应可分为两大部分: 1、神经元接受刺激,并对所有的刺激进行加权求和,然后加上偏置,得到激励值; 2、将激励值作为输入,输入到激活函数,最后通过激励函数的作用得到最后的响应; 注意:这里总共分为两个过程,不能忽视最后激活函数的作用。一个线性分类器就可以看作是一个单个神经元,其中的线性指对各个刺激Xi的线性加权,激活函数f将刺激映射到各个分类区间转载 2017-11-04 10:44:59 · 549 阅读 · 0 评论