2021李宏毅机器学习笔记--7 deep learning深度学习 与 fully connect feedforward network全连接前馈网络

本文深入浅出地介绍了深度学习的基础——全连接前馈网络,包括神经网络的概念、网络结构以及参数调整。通过将逻辑回归串联形成神经元,并利用矩阵运算加速计算,阐述了网络的工作原理。此外,文章还探讨了函数优度的衡量标准——交叉熵,以及参数优化的反向传播算法。最后,作者对后续学习内容进行了展望。
摘要由CSDN通过智能技术生成

2021李宏毅机器学习笔记--7 deep learning深度学习 与 fully connect feedforward network全连接前馈网络

摘要

近些年来。在各个领域,用到深度学习的地方越来越多,从深度学习提出之初经历过几次起起伏伏才到今天。本文主要介绍深度学习的三个步骤,全连接前馈网络的概念以及做法。

步骤

step1 Neural network

前文讲到过logistic regression逻辑回归的概念,其实将多个logistic regression逻辑回归前后连接在一起就形成Neural network神经网络,其中一个logistic regression就是一个neuron神经元。
在这里插入图片描述那么应该怎么把他们接起来呢?用什么方法呢?其实是手动连接的,最常见的方法叫做Fully Connect Feedforward Network全连接前馈网络。

Fully Connect Feedforward Network全连接前馈网络

Fully Connect Feedforward Network全连接前馈网络的想法是先把神经元排成一排一排,其中有input layer输入层(其实输入层不能叫一个layer,因为他不是神经元组成的),hidden layer隐藏层(什么叫deep呢?有很多的隐藏层就叫deep),output layer输出层。

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