机器学习(三)——神经网络学习

神经网络是一种以人脑为模型的机器学习,简单地说就是创造一个人工神经网络,通过一种算法允许计算机通过合并新的数据来学习。
在前面学习了线性回归和logistic回归后,在应对多特征值时往往需要庞大的计算量,而且可能存在过拟合现象。神经网络的学习就显得尤为重要。
我们大脑中有许多神经元,神经元包含轴突和树突,树突作为输入信号端,轴突的主要功能是将神经冲动由胞体传至其他神经元。而我们大脑之间的神经元相互直接协调合作,对某一特定事物进行学习。

神经元

在这里插入图片描述

神经元结构

在这里插入图片描述
我对神经网络学习的看法:就是多个输入端经过某一种特定的加权算法得到多个或一个输出端,这些在上一层输出的值,再作为下一层的输入端进行加权输出,最后得到正确的预测输出。我认为最重要的是找到每一层加权的权重。
在这里插入图片描述
权重矩阵的规格是(上一层的层数+1)*(下一层的层数)。因为有一个biasunti存在 就是上一层通常有一个x0=1。

输入层输出层隐藏层的定义
在这里插入图片描述
神经网络学习
example1:进行XNOR(异或运算)
神经学习对两个数的异或运算推算过程 在这里插入图片描述
上图中通过输出的三组特征量通过加权矩阵得到下一组特征参数a1,a2。再通过加权矩阵得到结果集

多分类问题:在这里插入图片描述
给出训练集结果的时候用向量组来表示,每个结果集向量组代表多分类中不同的类别

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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