![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 93
铃音.
如鱼饮水,冷暖自知
展开
-
深度学习-了解
当输入信号被送往神经元时,分别乘以各自的权重,然后加总,如果总和超过阈值 𝜃 ,则𝑦的输出为 1 ,否则为 0。通过使用随机子集,可以在每次迭代中使用不同的样本来计算梯度,从而减少计算开销,并引入一定程度的随机性。总之,激活函数在神经网络中起到了非常重要的作用,通过引入非线性变换和增强表达能力,它使得神经网络可以学习和表示复杂的非线性关系,从而提高了网络的建模能力。全连接是指神经网络模型中,相邻两层单元之间的连接方式,使用全连接方式时,网络当前层的单元与网络上一层的每个单元都存在连接。原创 2023-10-07 10:40:29 · 220 阅读 · 0 评论 -
卷积神经网络
感受野(Receptive Field):每一个视觉神经元只会处理一小块区域的视觉图像。人类的视觉原理如下:从原始信号摄入开始(瞳孔摄入像素Pixels),接着做初步处理(大脑皮层某些细胞发现边缘和方向),然后抽象(大脑判定眼前的物体的形状是圆形的),然后进一步抽象(大脑进一步判定该物体是只气球)。对于不同的物体,人类视觉也是通过这样逐层分级来进行认知的:最底层特征基本上是类似的,就是各种边缘;越往上,越能提取出此类物体的一些特征(轮子、眼睛、躯干等);原创 2023-08-02 21:06:48 · 736 阅读 · 0 评论 -
神经网络原理概述
感知器,接收若干个输入,产生一个输出的结果,这个结果就代表了感知器所做出的决策。如图,圆圈表示一个感知器,它可以接收多个输入,产出一个结果,结果只有两种情况,“是”与“否”。感知器内部决策的原理,其实就是给不同的因素赋予不同的权重(重要性)。然后设置一个阈值,如果加权计算之后的结果大于等于这个阈值,就说明可以判断为是,否则就是否。所以感知器本质上就是一个通过加权计算函数进行决策的工具。单层感知器是一个只有一层的神经元。原创 2023-08-01 20:47:25 · 604 阅读 · 0 评论