文章目录
-
前言
-
一、感知机
-
二、卷积神经网络
前言
提示:本文关于深度深入学习
一、感知机
1)感知机是一个接收多个输入,输出单个输出的算法。一个N维空间。
2)感知机可类似当人体的神经元理解。——根据输入值比例不同找到不同权重求和输出值来判断是什么物体
感知机模型(神经元感知过程):
f(x)=sign(w*x+b)
先对+1与-1进行定义再进行计算判断。
x>=0→f(x)= +1;
x<0→f(x)= -1
有一系列输入(x)——实例的特征向量(树突)→通过权重(w)计算值再进行加权求和(细胞体)→当加权求和的值大于一个预定值之后就会产生输出值(轴突)(取-1或1)
偏置——偏置神经元允许分类器向左或向右移动决策边界,有助更快、更高质量地训练模型。(w0)
3)感知机几何解释
线性方程:w*x+b=0
对应于超平面S(N维空间里一个N-1维子空间) w为法向量,b截距,分离正、负类。
对于感知机模型为一个分离超平面——就是一条直线。直线能把两类数据切割分在两边则认为感知机几何上的解释。
4)如何定义损失函数:
误分类点到超平面的总距离。
误分类点趋近于0时为理想情况。
二、卷积神经网络
补充在第一篇文章内
作者自我感觉多个感知机的结构就形成了一个卷积。