学习笔记Task4

本文是学习笔记Task4,介绍了神经网络的基本概念,包括神经元模型、激活函数和多层前馈神经网络。重点讲解了感知机和误差逆传播算法(BP),BP算法利用梯度下降策略调整参数,但可能引发过拟合问题,可通过早停和正则化来缓解。
摘要由CSDN通过智能技术生成

赶项目进度,仅了解

认识

神经网络是由具有适应性的简单单元所组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界所做出的的交互反应。

神经网络最基本的成分是神经元模型,当通过神经元的信息信好超过某一个阈值,那么该神经元就会激活,从而作用于下一个神经元。

在M-P神经元模型中,神经元接收到来自n个其他神经元传递过来的输入信号,这些输入信号通过带权重的连接进行传递,神经元接收到的总输入值将与神经元的阈值进行比较,然后通过激活函数处理以产生神经元的输出。
在这里插入图片描述
理想的激活函数是阶跃函数,取值0和1用来表示神经元的抑制和兴奋状态。然而阶跃函数不连续、不光滑,所以常用sigmod函数代替。
在这里插入图片描述
把多个神经元按一定的层次结构连接起来,就得到了神经网络。

数学模型: y j = f ( ∑ i ω i x i − θ j ) y_j=f(\sum_i\omega_ix_i-\theta_j)

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