【深度学习1】神经网络NN原理介绍

最新推荐文章于 2022-07-10 18:55:13 发布
VIP文章 最新推荐文章于 2022-07-10 18:55:13 发布
阅读量1.8k 收藏 7
点赞数
分类专栏： Python Machine Learning Deep Learning 文章标签： 神经网络 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lesleychu/article/details/104736892
版权

前言

为什么我们要使用NN？因为任何函数都可以用NN来无限逼近，小到最基础的逻辑函数，可以通过调整权重，用一层NN实现，大到复杂的函数，可以通过多层NN，每层多个cells的深度神经网络来实现



概念介绍

1、常见的激活函数

在这里插入图片描述

2、最简单的一层NN

在这里插入图片描述

3、何谓“训练”NN？如何训练？

3.1 Intuition

1）定义：我们训练/学习的是NN每一层的weights
2）训练方法：F

最低0.47元/天 解锁文章
Xionglingchu
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习实验二前馈神经网络
01-22
(1) 手动生成实现前馈神经网络解决回归、二分类、多分类任务 (2) 利用torch.nn实现前馈神经网络解决回归、二分类、多分类任务 (3) 在多分类任务中使用至少三种不同的激活函数 (4) 分析多分类任务中的模型评估隐藏...
深度学习笔记（三）——NN网络基础概念（神经元模型，梯度下降，反向传播，张量处理）
最新发布
拨雪寻春，烧灯续昼
01-11 1252
简要介绍了NN网络的相关知识，构建流程，训练基础概念，并且使用tf2搭建了相关的基础程序用作示例。
深度学习NN、CNN、RNN、和DNN你了解吗？
喜欢打酱油的老鸟
04-18 1万+
https://www.toutiao.com/a6680511919842918915/ 吴恩达(Andrew Ng)，英文名Andrew Y.Ng，华裔美国人，斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。职业：计算机科学家，毕业院校：University of California,Berkeley。吴恩达主要成就在机器学习和人工智能领域，是人工智能和机器学...
深度学习基础04---神经网络NN算法
duohuanxi的博客
10-23 1512
1.背景： （1）以人脑中的神经网络为启发，历史上出现过很多不同版本 （2）最著名的算法是1980年的backpropagation 2.多层向前神经网络（Multilayer Feed-Forward Neural Network） （1）Backpropogation被使用在多层向前神经网络上 （2）多层向前神经网络由以下部分组成： 输入层（input layer），隐藏层（hidden layer），输出层（output layer） 输出和输出层均只有一层，但是隐藏层可以有N层 （3）每层由单元
深度学习之NN（Neural Network）
百年孤独百年的博客
12-01 4091
根据我的理解，简单介绍一个DeepLearn Toolbox工具箱的NN里面各个函数都有什么作用，其中可能有个别表述或者理解的错误。哈哈哈哈哈，先随便写写吧。 主要参考链接： 这个工具箱下载链接：点击下载 首先你要知道如何训练一个NN。打开tests文件夹下的test_example_NN.m文件，第13行的注释vanilla neural net表示原始神经网络。代码15到20行这几步就训练了一...
神经网络（NN）网络构建及模型算法介绍
stephon_100的博客
06-24 9071
人工神经网络neural network（NN）网络结构原理，模型及算法构建原理讲解
深度学习——神经网络（NN）、深度神经网络（DNN）、卷积神经网络（CNN）等概念介绍
蘼芜vodka的博客
05-12 5777
刚接触深度学习时，我们经常会看到神经网络、深度神经网络、卷积神经网络这些词。初看可能一头雾水，没关系，下面我们就来了解一下这些词背后的意义吧。 图1 神经元的结构 神经元（Neuron）： 从生物上来说，无论是人和其他动物都有数以亿计的神经元。神经元是神经系统最基本的结构和单位，通俗来说也就是认知的基本单位。利用神经元，我们可以学习到各类知识，比如我们在生活中看到了一些小猫和小狗，神经元会学习并反馈给我们（一般）耳朵尖尖、身材小巧、对你爱答不理的是猫（猫奴卑微），体型较大、活泼好动、会向人摇
人工神经网络基本构成有哪些,具有什么特征
aifans_bert的博客
07-10 1250
人工神经网络（Artificial Neural Network，即ANN ）是从信息处理角度对人脑神经元网络进行抽象，是20世纪80年代以来人工智能领域兴起的研究热点，其本质是一种运算模型，由大量的节点（或称神经元）之间相互联接构成，在模式识别、智能机器人、自动控制、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统，它是在现代 神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息
【深度学习】零基础理解NN和CNN
wk_119的博客
03-23 1万+
作为一个十余年来快速发展的领域，深度学习越来越火了。深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛化能力．它克服了过去人工智能中被认为难以解决的一些问题．且随着训练数据集数量的显著增长以及芯片处理能力的剧增，它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然，因此也促进了人工智能的发展。 本文主要介绍深度学习中NN（神经网络）和CNN（卷积神经...
PyTorch深度学习中利用前馈神经网络实现复杂函数拟合 part1
12-15
本程序实现了在PyTorch中利用前馈神经...主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
深度学习工具包 NN CNN DBN SAE CAE
04-24
深度学习工具包 NN CNN DBN SAE CAE
深度学习里面的网络模型绘图工具
05-22
深度学习里面的网络模型绘图工具，用到了python语言。 http://alexlenail.me/NN-SVG/LeNet.html 正常的话是需要翻墙才能下载到，并且该服务器处于海外，下载速度对很慢很慢，亲测！所以还不如在这里下载！真的很划算...
NN.zip_人工智能/神经网络/深度学习_Python__人工智能/神经网络/深度学习_Python_
08-09
NN算法，是人工智能算法深度学习算法中的一种，适合进行数据预测和学习。
基于风险平价的资产配置策略
热门推荐
lesleychu的博客
03-09 1万+
代码如下：####### step1 import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler from scipy.optimize import minimize # 读取收盘价数据 def read_data...
单因子 & 多因子策略（基于JoinQuant）
lesleychu的博客
02-22 5409
一份朴实的声明。。。1. 基于joinquant，大部分代码是原作者所写，俺只是改写、补充。。。2. 源码见：https://www.joinquant.com/post/7753. 基于因子打分，不是因子回归（思路：单因子打分，分值赋权个股形成单因子组合，再等权加权单因子组合，变为多因子策略）----------------------------------------------------...
均线策略和新高策略【被diss版】
lesleychu的博客
01-11 3876
基本策略目录1 均线策略1.1 C.J.Neely, P.A.Weller, Technical analysis in the foreign exchange market, Working Paper, Federal Reserve of St.Louis,2011.1) 策略2) 收益率回测1.2 Valeriy Zakamulin, Market timing with moving a
写量化策略时常用的技巧
lesleychu的博客
02-20 2619
1.善用panel保存数据 说明：pandas有三种数据结构，分别是Series（一维），DataFrame（二维），panel（三维） 例子：沪深300成分股所有股票[stock list]在某些特征指标如成交量、收盘价[indicator list]上的某时间区间内的历史序列[time series]， [stock list] * [indicator list] * [time se...
利用python实现任意进制的相互转换
lesleychu的博客
05-08 2233
Most important! 关键：十进制是bridge 基本1: A进制(a) –> 十进制(d) d=int(a,A) 说明：A的取值为2，8，16 基本2: 十进制(d)–> A进制(a) a=bin(d) a=oct(d) a=hex(d) So，利用以上两个基本知识，可以实现任意进制的随意转换啦~补充： 二进制的每三位–>八进制的一位 二进制的每四位–>
深度学习之卷积神经网络(CNN)详解与代码实现（一）
06-08
CNN是一种非常流行的深度学习算法，特别适用于图像识别、语音识别等领域。CNN的核心是卷积操作，通过卷积操作可以提取出图像中的特征。 CNN的基本原理是通过多个卷积层和池化层来逐步提取图像的特征，并最终将特征传递给全连接层进行分类。卷积层中的卷积操作可以看作是一种滤波器，通过卷积操作可以提取出图像中的局部特征。池化层则可以对卷积层输出的特征进行下采样，减小特征的维度，同时保留特征的主要信息。 以下是一个简单的CNN模型的代码实现： ```python import torch import torch.nn as nn import torch.nn.functional as F class Net(nn.Module): def __init__(self): super(Net, self).__init__() # 卷积层 self.conv1 = nn.Conv2d(1, 6, 3) self.conv2 = nn.Conv2d(6, 16, 3) # 全连接层 self.fc1 = nn.Linear(16 * 6 * 6, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): # 卷积层 x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2)) x = F.max_pool2d(F.relu(self.conv2(x)), 2) # 将特征拉直 x = x.view(-1, self.num_flat_features(x)) # 全连接层 x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return x def num_flat_features(self, x): size = x.size()[1:] num_features = 1 for s in size: num_features *= s return num_features net = Net() print(net) ``` 以上代码定义了一个包含两个卷积层和三个全连接层的CNN模型。卷积层中使用了3x3的卷积核，池化层中使用了2x2的池化核。最终输出的结果是一个10维的向量，表示输入图像属于10类中的哪一类。 当然，CNN模型的实现还有很多细节需要注意，比如参数初始化、激活函数的选择、损失函数的选择等等。但是以上代码已经可以作为一个简单的CNN模型的框架了。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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