小白的机器学习学习笔记（十）----神经网络模型及相关术语

最新推荐文章于 2024-05-06 23:25:49 发布
最新推荐文章于 2024-05-06 23:25:49 发布
阅读量260 收藏
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41641805/article/details/81636286
版权
本文介绍了在特征量较大时，神经网络算法的优势。内容包括神经元的结构，如sigmoid激活函数，以及神经网络的构成，如输入层、隐藏层和输出层的概念。还提及了权重、激活项等关键术语。
摘要由CSDN通过智能技术生成

前面我们学习了线性回归算法，Logistic算法，这些算法都是处理特征量较少的情况。当特征量达到上万，神经网络算法就具有明显的优势。

下面简单了解一下模型及相关术语

接受输入x0，x1，x2，x3，通过h(x)计算输出结果。其中x0是偏置神经元或偏置单元，恒为1。

若h(x)是sigmoid函数，我们称该神经元为带有sigmoid激活函数的人工神经元。

K称为权重或参数。

神经网络其实就是一组神经元。

L1为输入层，L2为隐藏层，L3为输出层，隐藏层可以有多层！事实上，除了输入层和输出层就被称为隐藏层。

我们将ai^j称为第j层的第i个激活项。

激活项：由一个具体神经元计算并输出的值。

a1^2=g(k10^1x0+k11^1x1+k12^1x2+k13^1x3)

a2^2=g(k20^1x0+k21^1x1+k22^1x2+k23^1x3)

a3^2=g(k30^1x0+k31^1x1+k32^1x2+k33^1x3)

h(x)=a1^3=g(k10^2a0^2+k11^2a1^2+k12^2a2^2+k13^2a3^2)

g(x)=1/(1+e^-^x)

如果一个网络在第j层有sj个单元，在第j+1层有s(j+1)个单元，则控制第j层到第j+1层映射的矩阵K^j的维度为s(j+1) 行，(sj  +1）列。

                                                                                                                                               BY   ZJQ

 

 

 

 

啥都不会的小白
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
[网络安全自学篇] 八十八.基于机器学习的恶意代码检测技术详解
杨秀璋的专栏
07-19 1万+
这是作者网络安全自学教程系列，主要是关于安全工具和实践操作的在线笔记，特分享出来与博友们学习，希望您喜欢，一起进步。前文分享了传统的恶意代码检测技术，包括恶意代码检测的对象和策略、特征值检测技术、校验和检测技术、启发式扫描技术、虚拟机检测技术和主动防御技术。这篇文章将介绍基于机器学习的恶意代码检测技术，主要参考郑师兄的视频总结，包括机器学习概述与算法举例、基于机器学习方法的恶意代码检测、机器学习算法在工业界的应用。同时，我再结合自己的经验进行扩充，详细分享了基于机器学习的恶意代码检测技术，基础性文章，希望对
《深入浅出OCR》前言知识（一）：机器学习最新全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
08-24 5989
经过几个月的精心筹备，本作者推出全新系列《深入浅出OCR》专栏，**对标最全OCR教程**，具体章节如导图所示，将分别从OCR技术发展、方向、概念、算法、论文、数据集等各种角度展开详细介绍。面向对象：本篇前言知识主要介绍机器学习，方便小白或AI爱好者学习基础知识。
小白学习机器学习---第五章:神经网络简单模型python实现
hx14301009的博客
03-29 1084
简单的单隐层神经网络实现，需要注意的是，隐层的结点个数需要经过多次试验获得最佳参数，如果设置太多可能引起过拟合问题，目前就简单实现其原理。import numpy as np class BP_network: def __init__(self): ###初始化变量### ###每一层的节点数 self.input_node=0 #输...
神经网络简单术语
weixin_43581061的博客
09-03 300
激活函数：将输入信号的总和转换成输出信号。 目前有sigmoid，阶跃函数，和Relu函数。 关于输出层的激活函数，回归问题一般用恒等函数，分类问题一般用sigmoid函数。 损失函数：是表示当前网络对训练数据拟合程度的指标。 有交叉熵误差和均方误差等。 梯度法：梯度表示的是各点函数值减少最多的方向（无法保证前进的方向就是函数最小值处） * 梯度法有梯度上升法和梯度下降法（最常用），梯度下降法有随...
神经网络相关的概念和术语
天边一坨浮云
11-29 862
目录 模型训练 指标 损失 激活函数 优化器 正则化 层 其他 模型训练 编译：compile 拟合：fit 过拟合：overfit 欠拟合：underfit 随机初始化：radom initialization 前向传播：foward pass 小批量随机梯度下降：mini-batch stochastic gradient descent，SGD 训练后的量化(post training quantizated) 训练中引入量化(quantization aware
神经网络常用术语
Mr_不负此舟的博客
01-30 1094
神经网络常用术语人工神经元权重偏置激活函数神经网络插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 人工神经元 人工神经元是按照生物神经元的结构和工作原理构造出来的一个抽象的和简化了的模型。在神经网络中，神经元接受输入，处理它并产生输出；而这个输出被发送到其他神经元用于进一步处理，或者作为最
小小白深度学习笔记（八）：机器学习基础
Tsehooo的博客
08-27 1307
1.机器学习的四个分支 相信很多读者已经很熟悉了主要的机器学习问题：二分类问题，多分类问题和标量回归问题，这三者都是监督学习（supervised learning）的例子，其目标是学习训练输入与训练目标之间的关系。 监督学习只是冰山一角——机器学习是非常宽泛的领域，其子领域的划分非常复杂。机器学习算法大致可分为四大类，我们将在接下来的四小节中依次介绍。 1.1.1.监督学习 监督学习是目前最常见的机器学习类型。给定一组样本（通常由人工进行标注），它可以学会将输入数据映射到已知目标[也叫标注（annotat
【论文导读】- Federated Graph Neural Networks Overview, Techniques and Challenges（联邦图神经网络：概述、技术和挑战
最新发布
2401_84181108的博客
05-06 584
图神经网络( GNNs )凭借其强大的处理实际应用中广泛存在的图数据的能力，受到了广泛的研究关注。然而，随着社会越来越关注数据隐私，GNNs面临着适应这种新常态的需要。这导致了近年来联邦图神经网络( FedGNNs )研究的快速发展。虽然前景广阔，但这一跨学科领域感兴趣的研究者来说是极具挑战性的。对这一领域缺乏深入的调查只会加剧这一问题。在本文中，我们通过提供对这一新兴领域的全面调查来弥补这一差距。
神经网络小白篇
stranger_man的博客
03-22 562
综述刚刚开始接触深度学习，先搭框架再不断的丰富起来是我一贯的习惯。本文主要讲解神经网络的模型并拿出特例来讲解。不过真是醉了，一些教育机构出的视频真是五花八门刚开始还真信了他们的。白白浪费我的时间。神经元模型如上图所示就是我们常见的神经元结构。其中：‘x’代表从上一个节点传输过来的数据。‘w’是该条连接的权重值。‘b’是偏置值。’activation’是激活函数。’h’是这个神经元的输出结果。向前传播
面向小白的深度学习论文术语
CatOneTwo的专栏
04-29 1907
State-of-the-art (sometimes cutting edge or leading edge) refers to the highest level of general development, as of a device, technique, or scientific field achieved at a particular time
为什么神经网络有偏置？ 神经网络中的偏置（bias）究竟有这么用
阿里武的技术博客
12-31 6242
转载地址 https://www.zhihu.com/question/305340182/answer/721739423 首先从线性方程的角度来看，假设简单的线性方程y= wx,当权重w= 1,2,3时，图形如下： 不管权重怎么变换该方程所能拟合的场景都受制于原点（0,0）。当给这个方程加上截距后变成y= x + 1.方程的灵活性大大增加，拟合能力增强，所以提升了精度。 在神经网络中，以sigmoid函数为例，加入偏置后也是增加了函数的灵活性，提高了神经元的拟合能力。 在神经元中，output =
【神经网络】----神经网络常用术语及概念 （持续更新）
qq_44878985的博客
03-02 3609
学习神经网络要先了解常用术语，就像学习走路之前得学会吃饭。。。
神经网络中w,b参数的作用（为何需要偏置b的解释）
热门推荐
AI_盲的博客
04-25 7万+
可视图讲解神经元w,b参数的作用 在我们接触神经网络过程中，很容易看到就是这样一个式子，g(wx+b)，其中w,x均为向量.比如下图所示： 加入激活函数为g(x)，我们就可以用公式g(w1x1+w2x2+b)(注：1,2均为下标，公众号很难打,下面所有的公式均是)来表示神经元的输出。 其中b为神经元的偏置.那么w,b这些参数的作
神经网络中的偏置值什么意思
学海无涯
01-19 1万+
就是b值....wx+b的b打个比方 有点(1,1) 属于1类 点(2,2)属于2类，请问是否能从原点画一条线把他们分开不可以，所以需要偏置值b，这样线段就不从(0,0)点出发了
神经网络中的偏置项b到底是什么？
机器之心
04-09 3万+
前言 很多人不明白为什么要在神经网络、逻辑回归中要在样本X的最前面加一个1，使得 X=[x1,x2,…,xn] 变成 X=[1,x1,x2,…,xn] 。因此可能会犯各种错误，比...
神经网络 专业术语解释（Step， Batch Size， Iteration，Epoch）
tracylining的专栏
06-23 2万+
1. 名词解释Step: 训练模型的步数Batch Size（批尺寸）： 计算梯度所需的样本数量，太小会导致效率低下，无法收敛。太大会导致内存撑不住，Batch Size增大到一定程度后，其下降方向变化很小了，所以Batch Size是一个很重要的参数。Epoch（回合）：代表样本集内所有的数据经过了一次训练。Iteration（迭代）：理解迭代，只需要知道乘法表或者一个计算器就可以了。迭代是 b...
神经网络理论 超全超详细 通熟易懂
klzhang的专栏
04-01 7万+
神经网络   (2011-04-05 11:57:03) 转载▼ 标签：  杂谈 http://blog.sina.com.cn/s/blog_48ee23c80100rmkx.html 本文主要内容包括： (1) 介绍神经网络基本原理，(2) AForge.NET实现前向神经网络的方法，(3) Matlab实现前向神经网络
几种常见神经网络模型
Hu_LSS的博客
02-26 4092
#net class Flatten(torch.nn.Module): #展平操作 def forward(self, x): return x.view(x.shape[0], -1) class Reshape(torch.nn.Module): #将图像大小重定型 def forward(self, x): return x.view(...
机器学习驱动的文学英译自动评价：AHP-RF模型优化
本文主要探讨了如何利用机器学习技术提升文学作品英译的自动评价效率和精确度。研究者孙李丽、郭琳、张文诺和文旭针对文学翻译的特殊性和规则，构建了一个基于变量特征的翻译评价指标体系。他们采用了Python作为开发...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值