为什么神经网络能做分类识别
训练的逻辑 |
•在N x N的网络中,第一次训练时通过默认的weights和bias处理,输入x, 会得到输出y.
•把y和预期的结果做对比,用backpropagation算法来调整weights和bias.
•下一次训练,输入新的x,处理时用的就是刚才调整过的weights/bias,得到新的输出y。
•用与上次相同的方法,调整weights/bias。
•反复训练,得到稳定的weights/bias组合,作为model.
粗俗的说,单层网络的model就是一大张打分表。Adaboost也是搞出这张打分表,两者殊途同归。
•把现实世界的数据输出到model,得到的输出结果作为现实世界分类判断的依据。
|
输入是如何变成输出的? |
APPENDIX(1)
APPENDIX(2)
单层网络/参数在系统中的位置(例)