深度学习导论
Zun-
这个作者很懒,什么都没留下…
展开
-
深度学习导论-BP神经网络识别书写数字(Python实现)
BP简介 Bp神经网络的一大特点就是:信号前向计算,误差反向传播。根据这一特点来编写网络 标准BP算法流程 学习完一个样本就计算每层的误差信号并调整权重 批训练BP算法流程 学习完所有样本,根据总误差计算各层的误差信号并调整权重 代码 本文使用多层bp神经网络进行手写数字的识别。采用标准bp算法流程,但训练结束条件为达到训练次数就结束。 class BPNeuralNetwork(object...原创 2020-03-10 14:31:06 · 1292 阅读 · 2 评论 -
深度学习导论--线性神经网络、delta学习规则、梯度下降法(python实现)
线性神经网络 与感知器区别 感知器激活函数输出两种值,使用sign函数调整权值 线性神经网络激活函数(线性函数)输出任意值,使用LMS(最小均方)调整权值和偏置 purelin函数(y=x) LMS学习规则:最小均方规则 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KB9NIG2m-1583238787137)(/Users/pengzijun/Libr...原创 2020-03-03 20:33:37 · 907 阅读 · 0 评论 -
深度学习导论——单层感知器(python)实现
神经网络发展历程 单层感知器是最简单,最基本的 单层感知器结构 学习规则 注意这里公式W.T*X,而应该是X*W.T,左乘右乘结果不同 学习率 学习率决定了每次权值更新的大小, 学习率过大,会一下子改变过多,不稳定 过小,权值改变小,学习慢,迭代次数多 η学习率(0<η≤1) 收敛条件 通常可以是: 误差小于某个预先设定的较小的值。 两次迭代之间的权值变化已经很小。 设定最大迭代...原创 2020-03-03 20:30:46 · 683 阅读 · 0 评论