机器学习整理(神经网络)

本文介绍了神经网络的基本结构,包括神经元、前向传播和反向传播的过程。通过实例展示了如何计算神经网络的输出,并详细解释了反向传播中代价函数的计算和权重更新的方法。此外,还提到了其他神经网络架构,如ART和SOM。
摘要由CSDN通过智能技术生成

Python微信订餐小程序课程视频

https://blog.csdn.net/m0_56069948/article/details/122285951

Python实战量化交易理财系统

https://blog.csdn.net/m0_56069948/article/details/122285941

神经元

神经网络由多个神经元组成,其中神经元由几个部分组成:输入、输入权重、输出和激活函数组成,类似于生物神经元的树突、轴突的组成。

神经元的输入由左边的神经元输出 xxx 乘以权重 www 并加和得到,输出的时候,类似于生物神经元的轴突,将神经元的输出通过激活函数才能传送给接下来的神经元。

常用的激活函数(activation function)是Sigmod,它的函数图像如下,在逻辑回归的时候使用过:

其中偏置单元 bbb 是用于提高神经网络的灵活性而加入的,它的存在可以让激活函数更快或者更慢达到激活状态。

神经网络

多个神经元组层一个神经网络:

神经网络第一层是输入层(input),最后一层是输出层(output),而中间的就是神经网络的隐藏层(hidden layer)

神经网络的训练过程如下:

  1. 随机初始化权重 wiwiw_i
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