Three Steps for Deep Learning
神经网络中每一层的计算
4 = 1*1+(-1)*(-2)+1
0.98 = 1/(1+e^(-4))
同理0.12也是这么来的
神经网络其实就是一个函数,给一个输入向量,它会返回一个输出向量
其内部可以写成矩阵的计算形式
Neural Network
GPU可以对神经网络进行加速,效果比CPU更好
输出层可以作为多重分类的分类器
应用举例
输出这个图像表示某一数字的概率,取最大概率对应的数字作为最后分类的结果
A function set containing the candidates for Handwriting Digit Recognition.
You need to decide the network structure to let a good function in your function set.
关于神经网络的一些问题
- 通过 “尝试错误法反复实验+直觉引导” 来选择合适的网络层数和神经元数目
- 进化人工神经网络(evolutionary artificial neural networks)
- 卷积神经网络(Convolutional Neural Network)
function的评估——神经网络中的Loss
在这个样本sample中,可以根据Cross Entropy的公式计算出其Loss值
在一整个训练集中的总Loss,求个和
选择最优的function
仍然是使用梯度下降的方式,Gradient Descent
Backpropagation
Backpropagation: an efficient way to compute ∂L∕∂w in neural network
A function set containing the candi