Deep Leaning 学习笔记之神经网络（3）—— 构建一个单隐藏层神经网络（区分花儿作业）

最新推荐文章于 2023-09-22 15:47:05 发布
最新推荐文章于 2023-09-22 15:47:05 发布
阅读量302 收藏 1
点赞数
分类专栏： DeepLearning
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/m0_37108127/article/details/93888797
版权
本文详细介绍了如何构建一个单隐藏层神经网络，从数据样式、网络结构到前向传播、反向传播及参数更新，涵盖了神经网络的基础知识和计算过程。通过实例解析了激活函数tanh和sigmoid在神经网络中的应用，并提供了计算损失和梯度的公式，为理解和实现神经网络提供了清晰的步骤。
摘要由CSDN通过智能技术生成

1.神经网络

1.1数据样式

在这里插入图片描述
在这里插入图片描述

1.2 单隐藏层神经网络

在这里插入图片描述

1.3 神经网络相关函数

For one example x ( i ) x^{(i)} x(i):
(1) z [ 1 ] ( i ) = W [ 1 ] x ( i ) + b [ 1 ] z^{[1] (i)} = W^{[1]} x^{(i)} + b^{[1]}\tag{1} z[1](i)=W[1]x(i)+b[1](1)
(2) a [ 1 ] ( i ) = tanh ⁡ ( z [ 1 ] ( i ) ) a^{[1] (i)} = \tanh(z^{[1] (i)})\tag{2} a[1](i)=tanh(z[1](i))(2)
(3) z [ 2 ] ( i ) = W [ 2 ] a [ 1 ] ( i ) + b [ 2 ] z^{[2] (i)} = W^{[2]} a^{[1] (i)} + b^{[2]}\tag{3} z[2](i)=W

最低0.47元/天 解锁文章
Aperact
关注
专栏目录
单隐层神经网络
Harder_14的博客
09-11 943
单隐层神经网络步骤： 1. 准备数据集，可以从sklearn导入 X, Y = load_planar_dataset() # Visualize the data: plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral); 2. 定义模型结构，例如隐藏层的单元数 def layer_sizes(X, Y): """ Arguments: X -- input dataset of sh..
NeuralNetwork:具有两个输入和一个隐藏层的多层神经网络，它使用反向传播算法表示逻辑异或函数
04-29
神经网络 回想一下，感知器（单个神经元）可以用来表示逻辑功能，或者，或者，或者，以及，nand。 您如何在逻辑上结合这些功能来创建异或？ 一个具有两个输入和一个隐藏层的多层神经网络，它使用反向传播算法来表示逻辑异或函数。 该网络在隐藏层有两个节点，在输出层有一个节点。 （输入层不是真正的层，它只是将输入传递到隐藏层。） 程序将权重初始化为随机值。 该程序将一直运行，直到误差的平方和小于0.0001。 针对此特定问题的层数，节点数和程序中的输入均进行了硬编码。
神经网络和深度学习（9）--浅层神经网络(一个隐藏层)
ShaneHolmes
08-14 3372
神经网络和深度学习 上一篇 主目录 下一篇 文章结构1. 神经网络的表示2. 关于各个参数3. 计算一个神经网络的输出4. 多个样本神经网络的输出 【前言】 介绍神经网络的基本组成，表...
吴恩达神经网络和深度学习（编程作业）--具有一个隐藏层的神经网络
ShaneHolmes
08-14 545
神经网络和深度学习 上一作业 主目录 下一作业 【前言】 这是第三周的编程作业 以下只是主要部分的代码，需要用到的资料可以访问 我的GitHub 进行获取 这是我的文件目录： 我是用...
Course1-02-带有一个隐藏层的神经网络（平面数据分类）
qq_38253797的博客
11-22 484
一、笔记 二、总代 planar_utils是自己写的生成数据代码，可以去文章底部复制 import numpy as np import matplotlib.pyplot as plt from planar_utils import * def layer_sizes(X,Y,h): """ 参数： X - 输入数据集,维度为（输入的数量，训练/测试的数量） (2,400) Y - 标签，维度为（输出的数量，训练/测试数量） (1,400)
Deep Leaning 学习笔记之神经网络（4）—— 多隐藏层神经网络
Mr.Zhang的笔记本
07-03 3713
1 预备函数 1.1 初始化参数 # GRADED FUNCTION: initialize_parameters_deep def initialize_parameters_deep(layer_dims): """ Arguments: layer_dims -- python array (list) containing the dimensions of ea...
Deep Leaning 学习笔记之改善神经网络的超参数（1.2）—— 正则归一初始化及函数
Mr.Zhang的笔记本
07-29 172
1.正则化方法 1.1 几种常用的正则化方法 L1正则化： L2正则化： 从作业里面找，现在先不写 1.2 反向随机失活技术(inverted dropout technique) - 总的来说，比如，一个神经网络有3层，一层有10个units ，那么反向随机失活技术，就是为每一层的10个单元都抛硬币，比如设置，每一个units都有0.5的几率保留下来，否则会消除。当随机消除之后，会得到一个比原...
Deep Leaning 学习笔记之改善神经网络的超参数（3.2）—— 批量初始化Batch norm及Softmaxr
Mr.Zhang的笔记本
08-09 250
1 批量初始化 1.1 定义 除了对X能够进行均值归一，对各个隐藏层也可以初始化，即对Z统一初始化 1.2 方法 2 Softmax 2.1 定义 计算action的时候，不使用sigmoid等激活函数，而是用如下图的公式代替 t=ez[l]t = e^{z^{[l]}}t=ez[l] a[L]=g[L](z[L])=t∑tLa^{[L]} = g^{[L]}(z^{[L]}) = \frac...
Deep Leaning 学习笔记之改善神经网络的超参数（2.2）——优化算法的运行速度（实例）
Mr.Zhang的笔记本
08-07 859
1 步骤 1.1 步骤概念 将样本随机打乱（确保X和Y一起打乱，保证X与lableY仍然相对应） permutation = list(np.random.permutation(m)) shuffled_X = X[:, permutation] shuffled_Y = Y[:, permutation].reshape((1,m)) 划分小批量 ...
单个隐藏层神经网络bp反馈
10-25
采用bp神经网络 单个隐藏层的神经网络模型 BP反馈是以计算的形式编写 纯python编写
打开深度学习的锁：（2）单隐藏层的神经网络
最新发布
Jiashun Hao的博客
09-22 560
这个人太懒了，什么都没有写～～疑缺待补。
[2017/02/24] 机器学习 - 单隐层神经网络初尝试
Eclipse是我男朋友
02-24 2154
我真是蛮拼的。。。 花了三天时间，从零开始学了机器学习，听的是Andrew Ng在Coursera上的视频教学。当然斯坦福的公开课我也听了一部分，讲得更深。但是我感觉我再不赶紧学毕设会来不及。 第四天，正好帮同学一个忙，想着也自己练手，就从头到尾写了一个神经网络程序，从载入数据，到训练模型，以及通过交叉验证学习曲线和lambda曲线等方法优化参数，全方位（？）感受了这个过程。 实际操作起来
【深度学习】单隐层神经网络
m0_61151031的博客
08-18 2722
在logistic回归中只包含了简单的输入层和输出层，而神经网络往往更复杂会由很多的隐藏层来组成，下面先来看看单隐藏层神经网络。
深度学习应用8.1单隐藏层神经网络的构建
roymustang的博客
03-09 809
文章目录1从单神经元到全连接神经元2全连接单隐藏层网络建模实现3问题4模型应用 1从单神经元到全连接神经元 单个神经元1 上一个模型单个神经元已经达到了90的正确率，如何继续提高，这里的方法是多一点神经元 全连接是在一个神经网络里，所有节点，他的上一层所有节点都会作为他的输入，它作为输出层，输出会反馈给所有y上的节点 两层全连接的神经网络 2全连接单隐藏层网络建模实现 模型训...
深入理解吴恩达深度学习（01神经网络和深度学习 第三周 单隐藏层神经网络）
nnlzb66的博客
03-05 889
深入理解吴恩达深度学习（01神经网络和深度学习 第三周 单隐藏层神经网络）1引言 1引言     大家好，我是博主斌斌，一个27岁的java攻城狮，最近想转行人工智能，最近我发现了斯坦福大学吴恩达老师的深度学习微专业讲的特别好，不过可能还会有不少难以理解的地方。本人才疏学浅，想尽量将课程中的重要知识点用自己能够理解的方式记录下来，希望能够
单隐藏层神经网络 实现逻辑门
weixin_34396103的博客
03-21 359
2019独角兽企业重金招聘Python工程师标准>>> ...
[深度学习-1.3] 建立一个单隐层的神经网络
Lucky_Go的博客
05-01 1564
前面总结了利用单神经元和Logistic回归解决简单的二分类问题，接下来就是建立一个简单的BP神经网络模型了，也就是简单的输入层-隐藏层-输出层网络模型，相比起之前的模型仅仅多了一个隐藏层。   先给出直观的网络示意图(注：图来源于吴恩达老师深度学习课程JupterNotebok)： 模型解释   输入层 x⃗=[x1,x2,...,xn]T\vec{x}=[x_1, x_2,...,x_n]^T...
深度学习笔记-Neural Networks and Deep Learning-3-1个隐藏层分类
我
01-24 808
Neural Networks and Deep Learning：https://www.coursera.org/learn/neural-networks-deep-learning/home/week/3 这段时间会一直更深度学习的内容。 先明确说明代码不是我写的，我只是整理，来源于Cousera的代码，将代码大幅度缩短，补充说明。 还是分成三段， -1是效果 0.代码 1.扩展和补充...
快速入门深度学习：实用配方与实战项目
书中包含了一系列精心编排的项目，每个章节围绕一个具体任务展开，例如训练音乐推荐系统、利用词嵌入计算文本相似度、构建基于维基百科链接的电影推荐系统等。作者还提供了技巧性章节，帮助读者在遇到困难时找到解决...
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