《深度学习入门：基于Python的理论与实现》读书笔记01：感知机

最新推荐文章于 2024-01-29 18:09:44 发布
最新推荐文章于 2024-01-29 18:09:44 发布
阅读量129 收藏
点赞数 1
分类专栏： 环境
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42721412/article/details/109002499
版权

1.感知机:

感知机接收多个输入信号，输出一个信号.
感知机里面有个阈值
在这里插入图片描述

在这里插入图片描述

2.把上述的cta换成-b，那么就表示偏置项。

3.，使用感知机可以实现与门、与非门、或门三种逻 辑电路。

4.无法实现异或门。

在这里插入图片描述

5，但是使用非线性，很容易就分开了：

在这里插入图片描述

6，但是感知机有一个很妙的地方是可以叠加：用叠加就可以表示异或门：

在这里插入图片描述

小结：

在这里插入图片描述

cc 提升ing 变优秀ing
关注
专栏目录
学习笔记--深度学习入门--基于Pyrhon的理论与实现--[日]斋藤康毅 -- 持续更新中
seven1levin的博客
04-28 2520
关于这本 “神作” 的简介 这本书上市不到 2 年，就已经印刷 10 万册了。日本人口数量不大，但是却有这么多人读过这本书，况且它不是一本写真集，是实实在在的技术书，让人觉得很不可思议。一方面说明深度学习确实是大热，另一方面也说明这本书的内容确实有能打动大家的地方。看过评论对这本书的大致印象是，好懂、压倒性好懂、好懂得可怕！说实话，机器学习我也只是刚刚起步，不过看到 “文科生也能看得懂“ 这句评...
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第 2章感知机
weixin_42046845的博客
01-23 1203
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第 2章感知机
深度学习入门基于python的的理论与实现（学习笔记）.第六章 与学习相关的技巧（第四部分）
qq_45434461的博客
07-16 270
6.4正则化： 机器学习问题中，过拟合（overfit）是一个很常见的问题。过拟合指的是只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。机器学习的目标是提高泛化能力，即便是没有包含在训练数据里的未观测数据，也希望模型可以进行正确的识别。我们可以制作复杂的，表现力强的模型，但是相应地，抑制过拟合的技巧也很重要。 发生过拟合(high variance)的原因，主要有以下两个： 模型拥有大量参数、表现力强 训练数据少 解决过拟合问题的方法： Get more data Regular
深度学习入门基于python的的理论与实现（学习笔记）.第六章 与学习相关的技巧（第二部分）
qq_45434461的博客
07-15 243
6.2权重初始值： 在神经网络的学习中，权重的初始值特别重要。实际上，设定什么样的权重初始值，经常关系到神经网络的学习能否成功 权值衰减（weight decay）可以抑制过拟合。如果想减小权重的值，一开始就将初始值设为较小的值才是正途。实际上，在这之前的权重初始值都是像0.01 * np.random.randn(10, 100)这样，使用标准差为0.01 的高斯分布。 然而，如果将权重初始值设为0的话，将无法正确进行学习，或者说，将权重初始值设成一样的值，也无法正确进行学习。 这是因为在误差反向传播法中
【读书笔记】《深度学习入门——基于python的理论与实现》
changreal的博客
06-03 528
《深度学习入门》读书笔记分析一下可以用哪些方法提高效果参数optimizers:寻找最优权重参数最优化方法权重参数初始值设定超参数过拟合函数激活函数输出层函数损失函数im2col函数层Affine层Softmax-with-loss层Batch Norm层CNN卷积层池化层简单CNN 分析一下可以用哪些方法提高效果 集成学习、dropout层、学习衰减率、data augmentation(如图像...
深度学习入门基于python的的理论与实现（学习笔记）.第六章 与学习相关的技巧（第一部分）
qq_45434461的博客
07-13 307
6.1 参数的更新： 神经网络的学习的目的是找到使损失函数的值尽可能小的参数。这是寻找最优参数的问题，解决这个问题的过程称为最优化（optimization）。 在之前的学习中，我们为了找到最优参数，将参数的梯度（导数）作为了线索。使用参数的梯度，沿梯度方向更新参数，并重复这个步骤多次，从而逐渐靠近最优参数，这个过程称为随机梯度下降法（stochastic gradient descent），简称SGD。 SGD： 表达式为： python的实现代码为： class SGD(): def __ini
《深度学习入门 基于Python的理论与实现》的读书笔记
gs344937933的专栏
07-04 412
第一章 Python入门 第二章 感知机 感知机：接受多个输入信号，输出一个信号。 逻辑电路，单层的感知机可以表示与门，与非门，或门。两层的感知机可以表示异或门。 由于组合与非门可以表示计算机（专家已证实），那么感知机也可以表示计算机。 第三章 神经网络 感知机的坏消息是：设定权重的工作还是由人工进行的。 神经网络的出现就是为了解决感知机的坏消息。 激活函数：将输入信号的总和转换为输出信号。 激活函数有很多种，比如：阶跃函数、线性函数、非线性函数等。 激活函数是连接感知机和神..
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
热门推荐
Morganfs的博客
04-12 10万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
Python深度学习入门笔记 2
weixin_49374896的博客
01-02 2351
介绍深度学习的学习方法，介绍损失函数和误差反向传播法
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树
最新发布
weixin_42046845的博客
01-29 1413
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树
深度学习入门——基于python的基本理论与实现
Curry01的博客
05-05 904
3.1神经网络 3.2激活函数 3.2.1　sigmoid函数 神经网络中经常使用的一个激活函数就是式表示的sigmoid函数 （sigmoid function）。 def sigmoid(x): return 1 / (1 + np.exp(-x)) >>> x = np.array([-1.0, 1.0, 2.0]) >>> sigmoid(x) array([ 0.26894142, 0.73105858, 0.88079708]) 3.2.7　ReLU函
《深度学习入门——基于Python的理论与实现》笔记心得
Thomas_Cai的记忆殿堂
05-14 1113
文章目录第1章 Python入门第2章 感知机第3章 神经网络第4章 神经网络的学习 第1章 Python入门 主要介绍了Python的定义、安装以及简单语法，除此之外还介绍了一下Numpy包和Matplotlib包的用法，大多为Python相关的基础知识。 第2章 感知机 与电流做类比，简明扼要地介绍了感知机中输入值如何被激活，以及如何用感知机来实现：与门、与非门和或门。 引入权重和偏置的概念：...
python——深度学习（感知器）总结
Uitachi1的博客
08-30 624
今年想要将深度学习中的CNN加入机器人足球中来，于是在看零基础入门深度学习课程，准备入门深度学习（大佬们请忽略），以下是连接 https://www.zybuluo.com/hanbingtao/note/433855 但是在亲自编程时遇到一些问题，首先我的python版本是3.x，这对于源代码中有些表达或者模块的引用需要更改。其次就是我的python掌握的并不是非常熟练，对于lambda表达...
用Python实现感知机学习算法及其对偶算法实验报告
m0_68165821的博客
10-28 629
感知机对偶算法通过引入拉格朗日乘子，将原始算法转化为对偶问题，从而避免了对每个样本都进行权重更新的过程，提高了算法的效率。对偶算法的实现：编写Python代码实现感知机对偶算法。3.掌握感知机对偶算法的实现方法：感知机对偶算法通过引入拉格朗日乘子，将原始算法转化为对偶问题，从而避免了对每个样本都进行权重更新的过程，提高了算法的效率。1.理解感知机学习算法的基本思想：感知机是一种简单的线性分类模型，其基本思想是通过不断调整权重，使得分类超平面能够将不同类别的样本正确分开。
python语言的实验心得体会范文_实验心得体会-精选范文
weixin_39580748的博客
12-07 1223
第1页2019年实验心得体会我们做实验不要一成不变和墨守成规，应该有改良创新的精神。实际上，在弄懂了实验原理的基础上，我们的时间是充分的，做实验应该是游刃有余的，如果说创新对于我们来说是件难事，那改良总是有可能的。以下是2019年实验心得体会，欢迎阅读参考。2019年实验心得体会计算机实训在不知不觉中就结束了，我感觉自己还有好多东西要学，还有好多的东西不懂呢!这是我大学以来第三次实训，每次实训我都...
《深度学习入门：基于Python的理论与实现》读书笔记：第6章 与学习相关的技巧
weixin_44850744的博客
02-02 2032
第6章 与学习相关的技巧 6.1 参数的更新 神经网络的学习目的是找到使损失函数的值尽可能小的参数，这是寻找最优参数的问题，解决这个问题的过程称为最优化。 为了找到最优参数，我们将参数的梯度（导数）作为了线索。使用参数的梯度，沿梯度方向更新参数，并重复这个步骤多次，从而逐渐靠近最优参数，这个过程称为随机下降梯度算法，简称SGD。本章我们将指出SGD的缺点，并介绍SGD以外的其他最优化方法。 6.1.1 探险家的故事 探险家虽然看不到周围的情况，但是能够知道当前所在位置的坡度（通过脚底感受地面的倾斜
读书笔记：深度学习入门-基于python的理论与实现（俗称鱼书）
博客而已
05-22 7919
终于从头到尾把鱼书看完啦，真的是非常入门，非常查漏补缺，对新手很友好，对有一定基础的人也非常不错。看完不复习等于没看，所以今天开始复盘，顺便写这篇读书笔记。希望分享给没看过这本书或者看过这本书的同僚们参考，欢迎大家指教。我将从第三章神经网络开始复习，前两章内容书里已经非常基础and清楚了。（会持续更新滴）.........
【Python】深度学习入门——基于Python的理论与实现（学习笔记）
jylsrnzb的博客
11-28 1228
一、感知机 1.感知机是具有输入和输出的算法。给定一个输入后将输出一个既定的值。 图形： 公式：其中w1为权重——控制输入信号的重要性；b为偏置——调整神经元被激活的容易程度。 2.“门”的作用：感知机→(门)→应用、计算。 这里的门指：与门、与非门、或门。 它们是具有相同构造的感知机，是线性的，区别只在于权重参数的值。 异或门是非线性的，不能像上述三个门一样通过单层感知机实现，这也是感知机的...
（xshell中）Linux服务器查看GPU的使用情况。
weixin_42721412的博客
12-13 3712
参考 Linux查看显卡信息： lspci | grep -i vga 可以看到有哪些GPU。 查看某一块GPU显卡具体的信息： lspci -v -s 00:0f.0 00:0f.0是在使用第一条命令后出现的每一行的第一列的内容，为GPU显卡的编号。
深度学习入门：基于python的理论与实现
06-28
如果你想入门深度学习并使用Python进行实现，可以参考一些经典的教材和资源，例如《Python深度学习》（Francois Chollet著）、《深度学习入门：基于Python的理论与实现》（斋藤康毅著）等。这些教材通常会介绍深度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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