周志华《机器学习》笔记(五)——第5章 神经网络

本文深入探讨了神经网络的正向传播和反向传播过程,解析了标准BP算法的预测与训练环节。同时,文章提出了应对局部最优、过拟合等问题的策略,包括训练多网络取最优、模拟退火等。此外,还讨论了激活函数的作用、深度学习的影响以及解决深层网络训练慢的方法,如预训练和权值共享。关键词涉及神经网络、优化器、激活函数、深度学习和训练技巧。
摘要由CSDN通过智能技术生成


以标准BP算法为例,对神经网络的正向传播、反向传播过程进行推导,同时提出使用神经网络算法时需要考虑的问题和一些技巧。

1、正向传播(预测)

在这里插入图片描述
在这里插入图片描述

2、反向传播(训练)

在这里插入图片描述

在这里插入图片描述

3、问题与技巧

(1)局部最优问题:训练多个神经网络,取最优;模拟退火;随机梯度下降;遗传算法

(2)过拟合问题:早停、正则化

(3)优化器:各种主流凸优化方法的归纳与总结。
https://blog.csdn.net/google19890102/article/details/69942970.
https://zhuanlan.zhihu.com/p/47453144.

(4)激活函数:增加神经网络的非线性分割能力。
在这里插入图片描述
(5) 深度学习:基于深度神经网络的机器学习方法。

(6)“层数多收敛慢”问题:预训练+微调;权值共享(CNN)。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值