神经网络
人工神经网络学习笔记,用图像的形式尽可能简化复杂的文字表述,从而加快加深理解。
黄大仙HBF
本人熟悉微处理器编程,且正在研究人工智能算法
展开
-
用简单的图来解释人工神经网络(四)——径向基函数(RBF)网络
一、结构特征1.径向基函数网络是三层前向网络2.隐含层是非线性的,采用径向基函数作为基函数3.输出层是线性的4.应用:对非线性网络具有一致逼近的性能二、径向基函数1.范数范数是对函数、向量和矩阵定义的一种度量形式,任何对象的范数都应该是一个非负数。只要一种度量形式满足以下三个条件,即可成为一种范数: ...原创 2019-06-18 16:20:34 · 2612 阅读 · 0 评论 -
用简单的图来解释人工神经网络(三)——BP神经网络
一、基本概念BP(Back-Propagation):误差反向传播(训练权值时沿着减小误差的方向),并不属于反馈神经网络。BP神经网络是一种多层网络。广泛应用于:分类识别、逼近、回归、压缩等领域在实际应用中,大约80%的神经网络模型采取了BP网络或BP网络的变化形式,一个包含两个隐藏层的BP神经网络的结构图如下图所示。传递函数必须可微,所以二值函数与符号函数等没有用武之地了...原创 2019-06-17 15:24:21 · 7129 阅读 · 0 评论 -
用简单的图来解释人工神经网络(二)——线性神经网络(补充)
一、引入问题前面讲解了线性神经网络的原理与算法流程,是不是发现很简单?其中有一个关键点就是在学习的过程中,我们更新权值使用了LMS算法,算法本身并不复杂,但是有一个关于学习率应该如何选择的问题。首先我们要知道的是:η(学习率)越小,算法运行时间越长,算法记忆了更多过去的记忆。换句话说就是:η的倒数反应了LMS算法的记忆容量大小。η往往需要根据经验选择,且与输入向量的统计特性有关...原创 2019-06-17 10:40:40 · 547 阅读 · 0 评论 -
用简单的图来解释人工神经网络(二)——线性神经网络
一、单层感知器的局限上文我们学习了单层感知器,是不是觉得很简单?不要着急,这还只是基础!!在学习线性神经网络之前,我们先来了解一下单层感知器的局限性。。。。二、线性神经网络理论主要用途是:线性逼近一个函数式而进行模式联想以及信号滤波、预测、模型识别和控制等。线性神经网络通过LMS算法来调整网络的权值和偏置。若网络中出现多个神经节点,我们称之为Madaline网络。...原创 2019-06-14 17:22:59 · 571 阅读 · 0 评论 -
用简单的图来解释人工神经网络(一)——单层感知器
一、理论第一次接触神经网络的话,首先就得了解一下单层感知器!它的作用呢就是可以高效快速地解决线性可分的问题!!首先贴上单层感知器的结构图:图中[X1,...,Xn]为N维输入向量[w1,...,wn]为每个输入元素对应的权值(可以理解为每个元素的重要程度)b为偏置值(此处的恒为1)f是激励函数,用于分类数据,常见激励函数如下图所示:二、算法流程...原创 2019-06-14 11:23:21 · 10049 阅读 · 3 评论