这篇博客介绍了人工神经网络的基础，包括感知器的工作原理和训练过程。讨论了线性分类问题，如XOR问题，并提出通过堆叠多个感知器（LTU）来构建多层感知器（MLP）解决非线性问题。还涉及了TensorFlow在训练MLP中的应用，以及使用sklearn进行数据预处理，如归一化、标准化。最后，展示了使用TensorFlow高级API训练MLP的步骤，并强调了代码的可读性和版本适应性。
《参考书籍》
95-神经网络与深度学习-邱锡鹏
98-动⼿学深度学习-9月最新版
十、人工神经网络介绍，十一、训练深层神经网络，十二、分布式TensorFlow
感知器，输入的数字和权重相连，形成总和，然后再用阶跃函数去处理其总和
训练感知器就是在训练其权重
上图就是最简单的单一的LTU，是作为简单的线性二元分类
Q1：bias神经元？
Q2：LTU中，当两个神经元具有相同的输出时，他们之间连接的权重就会增加——不加强导致错误输出的连接？
Q4：每个输出神经元的决策边界是线性的是什么意思？
Q10：为何要取iris.data[:,(2,3)]
Q11:啥地方需要用上xx.astype(np.int)
X是一个类似于（2,3）的元组，来装载着花瓣的长度和宽度
Q3：这个公式到底是啥？
https://mp.weixin.qq.com/s/My-G5-tw4iOU8jwaOsBPUA
调整感知器的超参数
Q5：他在干什么？
Q6：SGD分类器是啥？penalty是啥
Q7：感知器不输出类概率，而是基于硬阈值进行预测？
Q8：XOR异或分类问题，线性分类问题
Q9：MLP通过堆叠多个感知器LTU来解决异或XOR问题
预留个档期：几个分类器之间的对比、联系以及区别，验证其优劣性能的方式
最低0.47元/天 解锁文章
扫一扫
1167
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
