keras从入门到放弃(六)多层感知器(神经网络)

本文介绍了多层感知器的原理,包括神经网络、梯度下降法、激活函数及其重要性。讨论了不同的优化器,如SGD、RMSprop和Adam,并在Keras中展示了它们的应用。通过理解这些概念,读者可以更好地掌握深度学习的基础知识。
摘要由CSDN通过智能技术生成

多层感知器(神经网络)

从线性回归模型和对数几率回归模型本质上都是单个神经元

  • 计算输入特征的加权
  • 使用一个激活函数计算输出

单个神经元(二分类)
在这里插入图片描述

多和神经元(多分类)

在这里插入图片描述
但是单层神经元有缺陷

无法拟合“异或”运算

在这里插入图片描述

多去官网https://keras.io/zh/看看

因此多层感知器诞生

生物的神经元一层一层连接起来,当神经信号达到某一个条件,这个神经元就会激活
,然后继续传递信息下去

为了继续使用神经网络解决这种不具备线性可分性的问题,采用再神经网络的输入和输出之间插入更多的神经元

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

打赏作者

小刘要努力。

顺便点一个赞

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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