本文深入探讨了神经网络背后的数学基础，包括一次和二次函数、单位阶跃函数、指数函数和正态分布。此外，还讨论了数列、递推关系、向量、矩阵和内积的概念，以及导数、偏导数和链式法则在误差反向传播中的应用。介绍了梯度下降法作为优化参数的工具，并概述了最优化问题在回归分析中的重要性。
1.神经网络所需的函数
1.一次函数
y = a x + b ( a , b 为 常 数 ， a ≠ 0 ) y=ax+b\quad(a,b为常数，a\neq0) y=ax+b(a,b为常数，a=0)
a称为斜率，b称为截距
2.二次函数
y = a x 2 + b x + c ( a , b , c 为 常 数 ， a ≠ 0 ) y=ax^2+bx+c\quad(a,b,c为常数，a\neq0) y=ax2+bx+c(a,b,c为常数，a=0)
例如：最小二乘法
3.单位阶跃函数
u ( x ) = { 0 ( x < 0 ) 1 ( x ≥ 0 ) u(x)=\begin{cases}0\quad(x<0)\\ 1\quad(x\geq0) \end{cases} u(x)={
0(x<0)1(x≥0)
最低0.47元/天 解锁文章
352
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
