- 博客(4)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 神经⽹络可以计算任何函数的可视化证明
《Neural Networks and Deep Learning》读书笔记第四篇本章其实和前面章节的关联性不大，所以大可将本章作为小短文来阅读，当然基本的深度学习基础还是要有的。主要介绍了神经⽹络拥有的⼀种普遍性，比如说不管目标函数是怎样的，神经网络总是能够对任何可能的输入，其值（或者说近似值）是网络的输出，哪怕是多输入和多输出也是如此，我们大可直接得出一个结论：不论我们想要计算什么样的函数，...
2019-11-23 21:35:51
3744
1
原创 NNDL: 改进神经⽹络的学习⽅法
万丈高楼平地起，反向传播是深度学习这栋大厦的基石，所以在这块花多少时间都是值得的前面一章，我们深入理解了反向传播算法如何工作，本章的主要目的是改进神经网络的学习方法，本章涉及的技术包括：交叉熵代价函数四种称为规范化的⽅法（L1 和 L2 规范化，弃权和训练数据的⼈为扩展）更好的权重初始化⽅法如何选择神经网络的超参数交叉熵代价函数通过前面的学习，我们知道，神经网络一直在努力地让代价函数变小，现在我们...
2019-11-15 13:04:35
650
转载 反向传播算法如何工作
ia_200008027前面一章，我们通过了梯度下降算法实现目标函数的最小化，从而学习了该神经网络的权重和偏置，但是有一个问题并没有考虑到，那就是如何计算代价函数的梯度，...
2019-11-04 21:30:15
469
原创 《Neural Networks and Deep Learning》读书笔记系列：1.识别手写字
深度学习笔记系列之识别手写字Neural Networks and Deep Learning[1] 是由 Michael Nielsen[2] 编写的开源书籍，这本书主要讲的是如何掌握神经网络的核心概念，包括现代技术的深度学习，为你将来使⽤神经网络和深度学习打下基础，以下是我的读书笔记。神经网络是一门重要的机器学习技术，它通过模拟人脑的神经网络来实现人工智能的目的，所以其也是深度学习的基础，了解...
2019-11-01 22:28:55
644
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人