神经网络
犬冢紬希
此人很懒
展开
-
卷积神经网络
CNN简介 1. 什么是CNN? CNN即Convolutional Neural Network,也就是卷积神经网络,可以认为它是一种特殊的多层感知器或是深层神经网络。最早的卷积神经网络模型被认为是1979年日本学者 Fukushima 提出的神经认知机模型,而真正的现代卷积神经网络的基础模型是1998 年,LeCun 等人将卷积层和下采样层相结合而提出的LeNet模型。在此之后,CNN演化产生了许多不同类型的网络模型。(下图源自《深度学习:卷积神经网络从入门到精通》) 2. CNN的组件 一个卷积神经原创 2020-08-10 23:55:49 · 534 阅读 · 0 评论 -
人工神经元(二)
S型神经元 背景 每个神经网络都具有其独特的学习算法,对于感知器网络而言我们希望网络可以学习weightweightweight(简记为www)和biasbiasbias(简记为bbb),从而实现网络的正确输出。因此如果我们对www和bbb做一些微小改动,我们希望网络的输出也会有微小变化,同时希望网络的表现是按照我们需要的方向改变,这样我们便可以通过不断地修改www和bbb来产生更好的输出。 然而当网络包含上文所提及的感知器时,我们无法通过修改www和bbb来产生符合我们意愿的输出。原因在于对网络中单个感知原创 2020-07-04 11:53:30 · 222 阅读 · 0 评论 -
人工神经元(一)
感知器单一感知器模型多层感知器模型感知器的逻辑功能实例 单一感知器模型 一个感知器接受几个二进制的输入,x1,x2,⋯x_1,x_2,\cdotsx1,x2,⋯,并产生一个二进制的输出: 在该模型中有三个输入,x1,x2,x2x_1,x_2,x_2x1,x2,x2,通常可以有更多或更少的输入。 引入权重 w1,w2,⋯w_1,w_2,\cdotsw1,w2,⋯,表示各输入相应于输出的重要性参数。神经元的输出outputoutputoutput,由分配权重后的总和∑jwjxj\sum_j{w_j原创 2020-06-30 17:30:40 · 499 阅读 · 0 评论