![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络与深度学习
文章平均质量分 82
杭爱山plus
不聪明,但勤奋,不帅气,但踏实,不富有,但充实,我一无所有,但又有着全世界。
展开
-
神经网络基础知识--感知器,S型神经元,梯度下降法,神经网络架构
感知器和S型神经元简介 1.1感知器 感知器是如何⼯作的呢?⼀个感知器接受⼏个⼆进制输⼊,x1, x2, …,并产⽣⼀个⼆进制输出: ⽰例中的感知器有三个输⼊,x1, x2, x3。通常可以有更多或更少输⼊。Rosenblatt 提议⼀个简单的规则来计算输出。他引⼊权重,w1, w2, …,表⽰相应输⼊对于输出重要性的实数。神经元的输出,0 或者 1,则由分配权重后的总和 ∑j wjx...原创 2018-02-26 23:03:30 · 4058 阅读 · 0 评论 -
反向传播算法如何工作
简介 在上一章,我们看到了使用梯度下降算法来学习他们自身的权重和偏置。但是我们并没有讨论如何计算代价函数的梯度。本章我们来解释一下计算这些梯度的快速算法,也就是反向传播 (backpropagation)。 反向传播的核心是一个对代价函数C关于任何权重w(或者偏置b)的偏导数∂C/∂w的表达式。这个表达式告诉我们在改变权重和偏置时,代价函数变化的快慢。尽管表达式会有点复杂,不过⾥⾯也包含⼀...原创 2018-03-07 20:10:37 · 1443 阅读 · 4 评论