![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
li_dongxuan
这个作者很懒,什么都没留下…
展开
-
深度学习:自编码器、神经网络基础
基本的自编码器(Autoencoder)是一个含有输入、隐含、输出的三层神经网络,它的目的是尽可能复现输入输出的关系。一. 神经元神经网络的最小组成单元是神经元,神经元的结构如下:左边的x1,x2,x3x_1,x_2,x_3是运算输入值,11代表截距(为什么要有截距:我们知道线性拟合的时候如果不含常数项即截距,那么无论怎么拟合数据都必将经过原点,这很有可能和实际数据不符,在神经网络里也是这个原因)。原创 2017-02-28 11:44:02 · 5184 阅读 · 0 评论 -
深度学习:卷积神经网络
个人认为深度学习的第一层基础知识是基本的神经网络知识,学习参数的方法(寻优,如梯度下降法,注意一下,BP算法是求偏导数的一种办法,属于梯度下降迭代中的一个步骤)。个人认为深度学习的第二层基础是卷积神经网络,也就是CNN。CNN是一种网络结构,由多层网络组成,这其中有卷积层(Convolution)、池化层(Pooling)、ReLU、Dropout,有的网络可能没有Dropout,有的网络可能链接上原创 2017-04-24 23:55:58 · 1202 阅读 · 0 评论