神经网络基础
包含关系
机器学习相关概念
机器学习:利用数据和以往的经验的计算机算法研究
先是拿到数据进行训练,让机器学习得到计算能力。
然后通过其能力处理新的数据。
符号说明
线性回归
线性回归得到规律
线性函数拟合效果
通过损失函数得到预测值和实际值的误差
Lw改变关键通过w,w的调优通过a学习率
人工神经网络发展史
生物神经元(树突和轴突)
人工神经元
最基础的神经模型:感知机模型
超平面:空间的子空间叫做超平面
二维的超平面:一维的平面(一条线)
三维的超平面:二位的平面
其中sign是激活函数
寻找损失函数
如何优化损失函数
两层神经网络-多层感知机
x到h中需要6个权值w与x相乘,求得隐层h1、h2.此时h就是提取出的特征,在此基础上再次进行处理运算。
G是激活函数,b是偏置
因为只有一层,所以传输路径短,但是复杂程度低,没有抽象的特征。
层数增加,参数变多,抽象复杂度提高。
第一个是隐层抽象出边缘特征,下个隐层是形状特征,以此类推。