![02391a4480fd05f73fa6e979812442bf.png](https://i-blog.csdnimg.cn/blog_migrate/6846695ba88665b16cfc54f3ed42da45.jpeg)
深度学习的一般方法分为训练与预测阶段。在训练阶段,我们需要准备好原始数据和与之对应的分类标签数据,通过训练得到模型A。在预测阶段,对新的数据套用该模型A,可以预测新输入数据所属类别。在人工神经网络中,该模型A的内部结构使用了类似下图的多层神经网络。
![6fc550f328adc501dcddda4e3a4c9d38.png](https://i-blog.csdnimg.cn/blog_migrate/4f9b46410fc2800f9b833b8b390fa9a5.jpeg)
1 训练
在设计 人工神经网络 模型结构前,我们需要对输入和输出的数据进行量化。假设输入的 数据有
![equation?tex=k](https://i-blog.csdnimg.cn/blog_migrate/9d4a1163d2eb1bb72228d1279049c2d8.png)
![equation?tex=n](https://i-blog.csdnimg.cn/blog_migrate/ce59f55893efd960f1dbdfcd5c192a96.png)
![equation?tex=k](https://i-blog.csdnimg.cn/blog_migrate/9d4a1163d2eb1bb72228d1279049c2d8.png)
![equation?tex=n](https://i-blog.csdnimg.cn/blog_migrate/ce59f55893efd960f1dbdfcd5c192a96.png)
深度学习的一般方法分为训练与预测阶段。在训练阶段,我们需要准备好原始数据和与之对应的分类标签数据,通过训练得到模型A。在预测阶段,对新的数据套用该模型A,可以预测新输入数据所属类别。在人工神经网络中,该模型A的内部结构使用了类似下图的多层神经网络。
在设计 人工神经网络 模型结构前,我们需要对输入和输出的数据进行量化。假设输入的 数据有