O、机器学习回顾
机器学习可以当做深度学习的分类器,深度学习用于提取特征,将特征向量喂给机器学习算法进行分类与回归。
一、神经网络来源——神经元
二、浅层神经网络前向传播
1、单个样本单隐藏层的神经网络前向传播
2、多个样本(训练集)上的单隐藏层的神经网络前向传播
三、几种激活函数及其导数
四、神经网络梯度下降法
五、深层神经网络(DNN)
前向传播求损失,反向传播求梯度。
O、机器学习回顾
机器学习可以当做深度学习的分类器,深度学习用于提取特征,将特征向量喂给机器学习算法进行分类与回归。
一、神经网络来源——神经元
二、浅层神经网络前向传播
1、单个样本单隐藏层的神经网络前向传播
2、多个样本(训练集)上的单隐藏层的神经网络前向传播
三、几种激活函数及其导数
四、神经网络梯度下降法
五、深层神经网络(DNN)
前向传播求损失,反向传播求梯度。