- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习（课程分享三）
方法的基础上更进一步： 除了加入历史梯度平方的指数衰减平均（𝑟）外， 还保留了历史梯度的指数衰减平均（𝑠），相当于动量。形成的深度网络的基本原理，和基于神经网络的各种算法和编程实例。本章概述讲述了网络的优化算法，包括选择合适的优化器和损失函数。不容易受到外力的干扰， 轨迹更加稳定；形成的深度网络的基本原理，和基于神经网络的各种算法和编程实例。本章概述讲述了卷积神经网络，包括卷积网络的搭建，优势和意义。学习率是单调递减的，训练后期学习率过小会导致训练困难， 甚至提前结束 需要设置一个全局的初始学习率。
2023-04-19 14:35:42
91
1
原创 神经网络与深度学习（课程分享二）
反向传播时，将输出误差(期望输出与实际输出之差)按原通路反传计算，通过隐层反向，直至输入层，在反传过程中将误差分摊给各层的各个单元，获得各层各单元的误差信号，并将其作为修正各单元权值的根据。权值和阈值不断调整的过程，就是网络的学习与训练过程，经过信号正向传播与误差反向传播，权值和阈值的调整反复进行，一直进行到预先设定的学习训练次数，或输出误差减小到允许的程度。是网络的输入、输出向量，神经元用节点表示，网络由输入层、隐层和输出层节点组成，隐层可一层，也可多层（图中是单隐层），前层至后层节点通过权联接。
2023-03-26 22:09:17
82
原创 神经网络与深度学习（课程分享一）
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能模拟生物神经系统对真实世界物体所作出的交互反应。其输出是样本属于哪一类，如果是二分类问题则为0或1，或者是属于某类的概率，即0-1之间的数。最后是维度不同：一个是一维的回归，一个是二维的分类。生物神经网络中的每个神经元彼此互连，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位。2.人工智能的发展与应用。
2023-03-19 22:02:23
295
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人