深度学习1-感知器

什么是深度学习

人工智能专业中,有一种算法叫做神经网络,如图所示:

 

 隐藏层顾名思义是对外部来说是不可见的

隐藏层大于2的神经网络叫做深度神经网络

深度学习就是使用深层架构(比如,深度神经网络)的机器学习方法。

上面的规则定义了全连接神经网络结构,事实上还有其他神经网络:卷积神经网络(CNN)、循环神经网络(RNN),他们的连接方式都不同

深度网络相较于浅层网络:

优势:使用相对少的神经元就可以拟合相同的函数;更节约资源

劣势:需要大量数据,不容易训练

感知器(也叫神经元)

1.基本组成:

  • 输入与权值 一个感知器可以接收多个输入xi,每个输入值对应一个权值wi

  • 偏置项  就是下面公式(1)中的b

  • 激活函数 感知器的激活函数可以有很多选择,比如我们可以选择下面这个阶跃函数来作为激活函数,通过这个激活函数可以进行简单的布尔运算,如实现and函数、or函数,但不能实现异或运算

  • 输出 感知器的输出由下面这个公式来计算

2.基本用途:

可以拟合任何线性函数,即可以解决任何线性分类和线性回归问题

3.迭代训练

 (1)感知器训练算法:将wi与b初始化为0,利用感知器规则反复迭代修改wi与b,直到训练完成

(2)感知器规则:

 b是偏置项,也可以看做输入x后值永远是1的权重

t是训练样本的实际值,一般称之为label

y而是感知器的输出值

是一个称为学习速率的常数,其作用是控制每一步调整权的幅度

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

刹那芳华❀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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