![](https://img-blog.csdnimg.cn/20200514091149645.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
深度学习,一起来探讨
**猿来是你**
这个作者很懒,什么都没留下…
展开
-
深度学习-损失函数
损失函数: 在机器学习任务中,大部分监督学习算法都会有一个目标函数(Objective Function),算法对该目标函数进行优化,称为优化算法的过程。例如在分类或者回归任务中,使用损失函数(Loss Function)作为其目标函数对算法模型进行优化。 均方误差(MSE)损失函数和交叉熵损失函数,如下图所示,可原创 2020-05-27 17:52:55 · 1703 阅读 · 0 评论 -
激活函数介绍
激活函数: 首先来看激活函数在神经网络模型中的位置,如图(a) 所示的激活函数实际上隐藏在神经网络模型中的连接线上。前文反复强调神经网络模型中的连接是最重要的,该连接线包括输入矩阵与权值矩阵相乘的过程,还包括激活函数对数据进行激活的过程。激活函数作用于I层的神经元到1+1层神经元之间。其中(a)为单个神经元模型,激活函数用f表示: (b)为神经网络的第1层和第1+1层,每个圆圈表示一个激活函数原创 2020-05-27 16:01:19 · 1152 阅读 · 0 评论 -
深度学习-人工神经网络网络
神经元:受生物学的启发,人工神经网络是生物神经网络的一种模拟和近似。它从结构、实现机理和功能上模拟生物神经网络,传统的生物神经元模型由树突、细胞核、细胞体、突触和神经末梢组成,如图所示。如图下图所示,神经元的输入xi对应生物神经元的树突。输入xi向细胞体传播脉冲,相当于输入权值参数wi,通过细胞核对输入的数据和权值参数进行加权求和。传播细胞体的脉冲相当于人工神经元的激活函数,最终输出结果y作为下一一个神经元的输入。上述是人工神经网络的最基本的处理单元---------神经元,由连接、求和节点和激活原创 2020-05-25 16:36:51 · 5815 阅读 · 0 评论