![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能学习
文章平均质量分 89
这是飞翔的感觉
雷达设计学习中
展开
-
吴恩达深度学习课程总结归纳(二)
之前的学习中了解了一些基本的知识和定义,接下来开始学习核心一点点的东西了。 一、神经网络表示 神经网络的表示方法主要有层数、特征数这些来标记。 在给出的PPT中,层数是通过在右上角加入[i]进行标记。 在我的理解中,对于不同的神经元,我们可以配置不同的参数来提取不同的特征。在每个神经元中,保存如下信息:该神经元的参数w、bw、bw、b。通过神经元参数和输入的特征,计算a=σ(wTx+b)a=\sigma(w^Tx+b)a=σ(wTx+b)并作为该神经元的输出提供给下一层神经网络。 所以如这张图所示,我们原创 2021-07-08 17:11:24 · 334 阅读 · 0 评论 -
吴恩达深度学习课程总结归纳(一)
该博客用来做吴恩达深度学习的学习总结归纳。 一、二分分类(Binary Classification) 厘清概念: 在这里,x作为输入端,包含所有信息。y作为输出端,由于这是一个二分分类的问题,所以输出端y的可能性只有两个,在这里以0和1来表示,即y∈{0,1}。而对于不同的输入x(i),则也会对应不同的输出y(i)。这里的i指的是第i个样本。 X作为矩阵形式,包括多项x,其表现形式为X=[x(1) x(2) … x(m)]。对应输出Y也为矩阵形式,包括多项y,表现形式为Y=[y(1) y(2) … y(m原创 2021-07-04 23:03:45 · 301 阅读 · 1 评论