![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 79
深度学习相关学习记录
水之魂2024
这个作者很懒,什么都没留下…
展开
-
深度学习(三)-反向传播
反向传播算法深度学习三巨头发表反向传播论文正向传播网络前一层的输出作为后一层的输入的逻辑结构,每一层神经元仅与下一层的神经元全连接,通过增加神经网络的层数虽然可为其提供更大的灵活性,让网络具有更强的表征能力,也就是说,能解决的问题更多,但随之而来的数量庞大的网络参数的训练,一直是制约多层神经网络发展的一个重要瓶颈。反向传播反向传播(Backpropagation algorithm)全称“误差反向传播”,是在深度神经网络中,根据输出层输出值,来反向调整隐藏层权重的一种方法。原创 2024-09-02 21:33:07 · 210 阅读 · 0 评论 -
深度学习(一)-感知机+神经网络+激活函数
深度学习的特点优点性能更好不需要特征工程在大数据样本下有更好的性能能解决某些传统机器学习无法解决的问题缺点小数据样本下性能不如机器学习模型复杂可解释性弱深度学习与传统机器学习相同点深度学习、机器学习是同一问题不同的解决方法目的相同:都是利用机器自我学习能力,解决软件系统的难题基本问题相同:回归问题、分类问题、聚类问题基本流程相同:数据准备 → 模型选择 → 模型构建/训练 → 评估优化 → 预测问题领域相同:监督学习、非监督学习、半监督学习。原创 2024-09-02 20:14:35 · 525 阅读 · 0 评论 -
深度学习(二)-损失函数+梯度下降
损失函数(Loss Function),也有称之为代价函数(Cost Function),用来度量预测值和实际值之间的差异。损失函数的作用度量决策函数f(x)和实际值之间的差异。作为模型性能参考。损失函数值越小,说明预测输出和实际结果(也称期望 输出)之间的差值就越小,也就说明我们构建的模型越好。学习的过程,就 是不断通过训练数据进行预测,不断调整预测输出与实际输出差异,使的损失值最小的过程。原创 2024-09-02 21:02:11 · 714 阅读 · 0 评论