神经网络
文章平均质量分 86
qq_16540387
这个作者很懒,什么都没留下…
展开
-
神经网络运作机制
摘要:本文将以多层神经网络为主线,详细介绍多层感知器和反向传播算法及其工作原理。一 神经元的组成和基本原理在神经网络中,神经元是计算的基本单元,也被称为节点或单元。它接受其他节点或外部的输入,在计算后产生输出。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重(w)。该节点将一个函数f(定义如下)作用于输入的加权和,如下图所示 上述网络采用数值输入X1和X2、与输入相关联的权重原创 2017-12-03 16:46:21 · 2618 阅读 · 0 评论 -
BP神经网络的实现
一 BP神经网络的基本结构在神经网络中,输入层由数据集的某个向量x和一个偏置b构成,该向量需要乘以同纬度的权重向量w,累加得到下一层神经元的一个输入标量,该标量乘以激活函数得到下一层神经元的输入。该结构分为以下几个部分。 二 BP神经网络的训练过程1.正向传播的过程 上式中的w是隔层的权重向量。o是上一次的输出向量,对于输入层就是训练样本集x。b是阈值,与梯度下降法处理相同,在训练样本集x首列加原创 2017-12-04 18:11:51 · 1025 阅读 · 1 评论 -
详解反向传播算法
反向传播算法一般用链式法解释,例如有如下神经网络一 前向传播对于节点h1来说,h1的净输入neth1如下接着对neth1做一个sigmoid函数得到节点h1的输出类似的,我们能得到节点h2,o1,o2的输出outh2,outo1,outo2.二 误差得到结果后整个神经网络的输出误差可以表示为:其中output就是刚刚前向传播算出来的outo1,outo2;target是节点o1,o2的目标值。Eto原创 2017-12-04 16:04:51 · 1696 阅读 · 1 评论 -
深度学习目标检测模型发展过程:R-CNN Fast R-CNN Faster R-CNN R-FCN
一 R-CNN 模型如果要拟人化比喻,那 R-CNN 肯定是 Faster R-CNN 的祖父了。换句话说,R-CNN 是一切的开端。R-CNN,或称 Region-based Convolutional Neural Network,其工作步骤如下:1.借助一个可以生成约 2000 个 region proposal 的「选择性搜索」(Selective Search)算法,R-CNN 可以对输入原创 2017-12-25 14:41:29 · 1128 阅读 · 0 评论 -
《神经网络和深度学习》之神经网络基础(第二周)课后作业——一个隐藏层的平面数据分类
欢迎来到第三周的课程,在这一周的任务里,你将建立一个只有一个隐含层的神经网络。相比于之前你实现的逻辑回归有很大的不同。你将会学习一下内容: 用一个隐含层的神经网络实现一个二分类。 利用非线性的激活函数单元。 计算交叉熵损失函数。 实现向前传播和向后传播。 1 函数包# Package imports import numpy as np import matplotlib.pyplot as pl原创 2018-02-13 00:08:54 · 909 阅读 · 0 评论