深度学习
文章平均质量分 90
kanchigo
这个作者很懒,什么都没留下…
展开
-
反向传播神经网络(Back propagation neural network ,BPNN)
文章目录BPNN前向传播反向传播总结参考BPNNBPNN被认为是最常用的预测方法,BPNN模型的一般结构如下图所示,它由输入层、隐层和输出层三层组成,其中隐层在输入层和输出层之间传递着重要的信息。BPNN总是由一个或多个隐藏层组成,从而允许网络对复杂功能进行建模。它主要由两个过程组成:正向信息传播和误差反向传播。这三层之间的数学关系可以表示如下:输入层到隐层:隐层到输出层:其中:ym和yj分别表示输入层和隐藏层的输入;yt表示点t的预测值;μjm和λoj表示输出层和隐藏层的网络权重;μj原创 2021-01-20 21:21:45 · 23658 阅读 · 1 评论 -
Logistic Regression(逻辑斯谛回归)
这里写自定义目录标题Logistic 回归假设函数(Hypothesis Function)功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入Logistic 回归有的翻译叫做逻辑回归,但我看很多人说这个名字不好,其实它和逻辑这个原创 2021-01-20 16:19:03 · 341 阅读 · 0 评论 -
从RNN到GRU和LSTM
文章目录前言1.循环神经网络模型1.1 为什么不使用标准神经网络?1.2 RNN1.3 RNN工作流程1.4 符号简化前言要处理序列模型,使用标准神经网络的效果并不好,这时应该使用循环神经网络(RNN)。本文为吴恩达深度学习序列部分的学习笔记。1.循环神经网络模型1.1 为什么不使用标准神经网络?使用标准神经网络来处理序列模型效果并不好,原因有二:输入和输出的长度不一定相同。即使使用填充(pad)或零填充(zero pad)使每个输入语句达到设定的最大长度(假设有的话),这样的效果也并不原创 2020-12-16 14:55:37 · 595 阅读 · 0 评论