![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
机器学习相关内容
鸵鸟dd
这个作者很懒,什么都没留下…
展开
-
机器学习笔记【3】:反向传播算法学习【2】
#反向传播算法学习【2】 反向传播算法是以常见线性代数操作为基础——诸如向量加法,向量与矩阵乘法等运算。 反向传播(backpropagation)能够帮助解释网络的权重和偏置的改变是如何改变代价函数的。归根结底,它的意思是指计算偏导数。 ...原创 2020-07-13 22:44:10 · 78 阅读 · 0 评论 -
机器学习笔记【2】:反向传播算法学习
反向传播算法学习 我们利用梯度下降算法来学习权重(weights)和偏置(biases) 那么如何计算代价函数的梯度? 一个快速计算梯度的算法,就是广为人知的反向传播算法(backpropagation) #背景 反向传播算法最早于上世纪70年代被提出,但是直到1986年,由David Rumelhart, Geoffrey Hinton, 和Ronald Williams联合发表了一篇著名论文之后,人们才完全认识到这个算法的重要性。这篇论文介绍了几种神经网络,在这些网络的学习中,反向传播算法比之前提出的原创 2020-06-28 14:24:01 · 378 阅读 · 0 评论 -
机器学习笔记【1】:什么是激活函数&该怎么选择激活函数
什么是深度学习? 什么是激活函数? 如何选择激活函数? 1.深度学习&激活函数 首先我们有一些输入数据,并且将其量化。 然后将数据输入到神经网络中,这一步基本上对输入数据逐层进行一系列的矩阵运算。 input*权重(w)+偏移(b)=output1(hj) aj=激活函数例如sigmiod(hj) 不断重复这个过程知道网络最后一层,输出就是我们的预测结果,如下图,可以把Ok看做y^ 我们找到预测值y^和标签y之间的差距E,如下图 使用这个差距E,利用权重,计算出偏导数,递归地反向传播(所以后期需原创 2020-07-29 18:09:49 · 683 阅读 · 0 评论