绪论
抽出时间学点新技术,先从了解点皮毛开始。
本笔记来源于慕课网 → 前沿技术 → 神经网络简介(地址)。
应用
分类:
- 图像:自动驾驶。
- 语音:语音助手。
- 文本:新闻推送。
层次越深,越节省资源。通过线性函数(y=wx+b)形成非线性函数(激励函数)。
每个神经节点都可以进行单独的逻辑运算。
逻辑回归,通过运算结果跟实际比对之后对线性函数里的参数进行调整。
激励函数:提供规模化的非线性能力。(Sigmoid、tanh、ReLU)
损失函数:结果和真值进行比对差值。
梯度下降:对线性求导,同步调整w和b。
反向传播:网络梯度下降。每一层进行向量运算,获取到下一层的输入值。
结果
只能简单了解大致过程,其中具体实现不甚了解,有时间还是要看看动动手。
(若有什么错误,请留言指正,3Q)