机器学习(人工神经网络2)

文章探讨了感知器算法在训练数据线性可分条件下的优化,指出与支持向量机的差异,以及如何通过增广向量简化表达。同时,提到了神经网络在预测数据上的不足,并强调了实际应用中通过梯度下降寻找决策函数和网络结构的方法。
摘要由CSDN通过智能技术生成

我们希望当y=-1时,WTX+b<0的,但是现实却是WTX+b>0,没有达到平衡。所以要对w和b进行调整,调整如下:

y=+1也是如此

证明如下:

定义增光向量的目的是简化表达:

基于增广向量的感知器算法和原来的感知器算法也是完全等价的

上面的这个条件与训练数据集线性可分完全等价的

---------------------------------------------------------------------------------------------------------------------------------

能精确训练,但预测数据效果不好

感知器算法送入部分数据,支持向量机是送入全部数据

多层神经网络

上图中经过阶跃函数后

上图的意思是,如果X1,X2在三角形外面,则至少有一个小于0 ,经过阶跃函数后,z1,z2,z3至少有一个等于0

梯度下降算法

实际中,并不知道决策函数是什么,也不知道神经网络的结构是什么,因此从另一方面入手:

  • 6
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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