- 博客(3)
- 收藏
- 关注
RSS订阅转载 （二）深度学习基础 -- 3 多层感知机
3. 多层感知机 3.1 神经网络图 多层感知机 vs 单层神经网络： 在单层神经网络的基础上，引入了一到多个隐藏层（hidden layer）。 隐藏层位于输入层和输出层之间。 如下图所示： 输入和输出个数分别为4和3，中间的隐藏层包含5个隐藏单元（hidden unit）。 多层感知机的层数为2，且隐藏层和输出层都为全连接层。 多层感知机 3.2 矢量计算表达式 给定一个小批量样本X...
2020-04-19 16:41:22
1335
转载 （二）深度学习基础 -- 2 softmax回归
2. softmax回归 适用场景：分类问题，预测离散值，输出属于各类别的概率。如，预测图像类别等。 对比线性回归：相当于在线性回归的基础上，将加权和经softmax函数变换，转化为[0,1]的概率；且为输出多个类别的概率值，各类别概率总和为1。 2.1 模型定义 以图像分类问题为例： 假设输入图像的高和宽均为2像素，且色彩为灰度，图像中的4像素分别记为 x1,x2,x3,x4x_1, x_2,...
2020-04-12 17:52:25
252
转载 （二）深度学习基础 -- 1 线性回归
1. 线性回归 适用场景：回归问题，输出一个连续值。如，预测房屋价格、气温、销售额等。 1.1 基础知识 线性回归假设输出与各个输入之间是线性关系。 以房价预测场景为例。设房屋实际售出价格为 yyy，影响房屋价格的因素包括：房屋面积 x1x_1x1、房龄 x2x_2x2。则，可以建立基于输入 x1x_1x1 和 x2x_2x2 来计算输出 yyy 的表达式，即模型： y^=x1w1+x2w...
2020-04-06 18:17:17
288
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人