人工智能学习 DAY2
写在前面
记录一下个人的学习心得,不足之处欢迎指出
Python简单介绍
表示到目前运行了一次
重启之后运行次数变回1
将代码清除之后再重启内核才算完全删除
out只输出最后一个数的值
-
字符类型
-
List 列表[]
单引号,双引号,三引号里面表示的是字符串
注意要先运行上头的代码块,下面运行的结果才会改变–值以最近的一次赋值为准
List元素,可以单独的进行修改 -
Tuple 元组()
元组里的元素不可修改值 -
Set 集合{}
-
Dict 字典{}
左边键,右边值 构成键值对
不能用之前的方法索引, 记忆为:输入键输出值
此时类型为字典,非集合
创建键值对
字符类型转换
该类型默认为字符串,有需要可以进行强转,如:
IF语句
While语句
小实战:登录注册
基础理论部分
AI-机器学习-深度学习
深度学习是深度神经网络采用的学习方法
深度神经网络是深度学习方法的基础架构
深度学习:基于深度神经网络的机器学习方法(多层神经网络)
区别工作数据和训练数据,有训练数据才谈的上学习
训练数据越全面,跑出的程序效果越好
浅层神经网络:只有一层,基本不用,效果不好
多层神经网络:深度神经网络
仿生学派:研究大脑如何工作
信息存储表现为突触的权重值,数量
学习就是要改变(优化)突触权值的过程
单个的神经元对于信息的计算处理过程可以简略地描述为:
神经元在它的树突处通过突触接受到N个其他神经元对它的刺激,这N个刺激相当于是该神经元获得的、经过突触作用之后的N个输入。
然后,该神经元的胞体会对这N个刺激进行累计求和,并由此得到一个总的刺激量,这个总的刺激量称为该神经元获得的总输入。
接下来,该神经元的胞体会计算出这个总的刺激量与胞体内在的一个阈值的差值,该差值称为该神经元获得的净输 入(net input)。
如果净输入为负,则该神经元将处于抑制状态(关状态),同时产生并输出静息电动势;如果净输入为0或为正,则该神经元将处于兴奋状态(开状态),同时产生并输出动作电动势,且动作电动势 将沿着轴突传递到轴突末端的M个突触,使得这M个突触的发送侧释放出神经递质,从而产生对M个其他神经元的刺激。
经典模型-MCP
激活函数:net表示上述的净输入,Y表示输出
随着净输入的增加,输出值不会下降
不同资料中函数的叫法不同
总结
由于不同的激活函数的特性不同,要根据需求选择最优的激活函数