![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络和深度学习
文章平均质量分 91
tmac1027
这个作者很懒,什么都没留下…
展开
-
神经网络与深度学习(一)——神经元与梯度下降算法
神经网络是一种受生物学启发的编程范式,让计算机在众多观测数据中进行自我学习的算法技术。而深度学习可以看作是强有力的用于神经网络学习的众多技术的集合。目前,神经网络与深度学习在图像识别、语音识别和自然语言处理领域中都给出了最好的解决方案。本文以两种常用神经元的工作原理入门,讲解梯度下降学习算法,并进一步引出深度学习的概念。1 感知器(Perceptrons)感知器是人工神经元的一种,即便如今更多的使用原创 2017-08-31 21:11:55 · 1823 阅读 · 0 评论 -
神经网络与机器学习(二)——识别手写数字示例
出处: http://blog.csdn.net/longxinchen_ml/article/details/50281247 http://blog.csdn.net/han_xiaoyang/article/details/50282141 声明:版权所有,转载请联系作者并注明出处,谢谢。转载 2017-09-14 15:37:08 · 1189 阅读 · 0 评论 -
神经网络与深度学习(三)——反向传播算法
1. 基于矩阵计算网络输出首先给出网络中权重的清晰定义。使用表示从层的个神经元到层的个神经元的链接上的权重。如下图所示,给出了第2个隐藏层的第4个神经元到第3个隐藏层的第2个神经元的链接上的权重。 对网络偏差和激活值也使用类似的表示。显式地,使用表示在层个神经元的偏差,使用表示层个神经元的激活值。如下图所示。 这样一来,层的个神经元的激活值就与层的激活值关联起来了,如下式原创 2017-10-17 11:23:45 · 1102 阅读 · 0 评论