最近deep learning很火,火到让我对机器学习有又了热情。今天花了些时间学习了一下DL的基础ANN。记录一下感悟。
神经网络是一种监督学习的方法。特点是适合具有以下特点的训练集:
1)有属性和输出(监督学习)
2)输出可能为向量
3)有噪声
神经网络能够产生非线性结果的关键在于阈值函数(多为sigmoid,又叫挤压函数),使不同层的权值在最后的结果中有了非线性的比重。
其主要学习方法(反向传播算法),主要推导自最小均方误差估计(LMS)。分两步:一,前向传播输入,后得到误差;二,用最小均方误差对每层权值求导数最为权值的更新参数。
本文探讨了深度学习中人工神经网络(ANN)的基础概念及其监督学习特性。神经网络适用于带有属性和输出的训练集,并能处理输出为向量及包含噪声的数据。通过阈值函数实现非线性映射,并介绍了基于最小均方误差的反向传播算法。

被折叠的 条评论
为什么被折叠?



