吴恩达机器学习神经网络篇——矩阵与向量之间的转换

Advanced optimizationfunction [jVal, gradient] = costFunction(theta)...optTheta = fminunc(@costFunction, initialTheta, options)注:gradient∈Rn+1\in{R^{n+1}}∈Rn+1,theta,initialTheta∈Rn+1\in{R^{n+1}}∈Rn+1均为向量。例如:Neural Network(L=4):Θ(1),Θ(2),Θ(3)\Thet
摘要由CSDN通过智能技术生成

Advanced optimization

function [jVal, gradient] = costFunction(theta)
...
optTheta = fminunc(@costFunction, initialTheta, options)

:gradient ∈ R n + 1 \in{R^{n+1}} Rn+1,theta, initialTheta ∈ R n + 1 \in{R^{n+1}} Rn+1 均为向量。
例如:

Neural Network(L=4):
Θ ( 1 ) , Θ ( 2 ) , Θ ( 3 ) \Theta^{(1)},\Theta^{(2)},\Theta^{(3)} Θ(1),Θ(2),Θ(3) - matrices( Theta1, Theta2, Theta3)
D ( 1 ) , D ( 2 ) , D ( 3 ) D^{(1)},D^{(2)},D^{(3)} D(1),D(2),D(3) - matrices( D1, D2, D3)
Unroll” into vectors
神经网络图

Example

s 1 = 10 , s 2 = 10 , s 3 = 1 s_1=10,s_2=10,s_3=1 s1=10,s2=10,s3=1

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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