代价函数、梯度下降、cnn

这篇博客介绍了线性回归问题,通过最小二乘法来构建预测函数,并探讨了代价函数在寻找最优参数中的作用。梯度下降作为求解方法,用于找到代价函数的最小值。此外,还提到了卷积神经网络(CNN)在图像处理领域的应用,如字符和人脸识别。
摘要由CSDN通过智能技术生成

代价函数

给定一些父亲和子女的身高数据, 找到一个数学模型,描述这种关系,从而预测一个人的身高。

回归问题(Regression)

想找的数学模型在统计学中被称为预测函数,y = f(x),假设是直线即 y = wx+b,则称为线性回归(Linear Regression)。
解决方法:最小二乘法。
e = aw^2+bw+c:代价函数(损失函数)

预测函数与代价函数

在这里插入图片描述
图片来自b站梗直哥、

梯度下降

代价函数(cost function)

e = aw^2+bw+c,a>0.根据代价函数,找出拟合效果最好的代价函数,找到使得误差代价最小的参数,即最低点。寻找最低点的过程,就是梯度下降。

学习率

新w = 旧w-斜率*学习率

循环迭代

不达目的不罢休。

cnn

卷积(convolution)

用极简的数学形式描述一个动态过程。(火车进山洞)
在这里插入图片描述
在这里插入图片描述

图片来自b站梗直哥、

应用领域

通信(信号—频率、调制)、物理、电路学、信号处理(滤波)、图像处理

cnn

字符识别、人脸识别、美颜
过程
卷积层:高效特征提取。
池化层:抓住主要矛盾,忽略次要矛盾。
王者归来:AlexNet

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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