线性回归
给定样本:
构造损失函数:
找到超平面参数θ,求解
令
可以解得。
线性分类
对值做一个变换
其中
该函数为Sigmoid函数。并且有如下性质
与线性回归基本一致,不同的是
并且采用梯度下降法迭代求解θ。
神经元模型
3.1单神经元模型
设
则y=f(z),f(x)为单位阶跃函数。还有对称型sigmoid函数和非对称型sigmoid函数
3.2 Hebb规则
连接权值的调整量与输入输出成正比:
感知机模型
从输入到输出模型如下:
计算任意点到直线距离,有正负。对样本进行分类
定义损失函数:
要找到超平面参数w*,满足:
BP网络
已知网络的输入/输出样本
正向传播是输入信号从输入层经隐层,传 向输出层,若输出层得到了期望的输出, 则学习算法结束;否则,转至反向传播。
反向传播是将误差(样本输出与网络输出 之差)按原联接通路反向计算,由梯度下 降法调整各层节点的权值和阈值,使误差 减小。
设置初始权系数,然后给定输入/输出样本对,计算网络输出,完成前向传播,计算J,当J够小时停止训练,否则进行反向传播计算,由输出层按梯度下降法将误差反向传播,逐层调整权值。