一个看似非常复杂的神经网络,可以写成矩阵相乘的式子,归根结底是一个矩阵运算。
激活函数:最重要的特性是:能求导,如果没有激活函数,无论网络多么复杂,最后的输出都是输入的线性函数,而纯粹的线性组合并不能解决更复杂的问题。
常见的激活函数有sigmoid函数,relu函数。
全连接神经网络(FCNN)是一种最基础的多层神经网络,也称多层感知机(MLP),在全连接神经网络中,每个神经元都与前一层和后一层的所有神经元相连接(即全连接层),形成一个密集的连接结构。全连接神经网络能够学习输入数据的复杂特征,并进行分类、回归等任务。
过拟合与欠拟合
过拟合的原因:1、参数量过多,模型太深复杂度太高;2、样本选取有误,比如样本量太少无法反映大部分的值;3、样本噪音干扰过大
欠拟合的原因:1、模型复杂度过低;2、特征量过少
我们索要做的就是构建模型,和构建损失函数,即loss函数,交给深度神经网络,本质上是一个黑盒子,我们不需要关心具体是怎样进行的。通过梯度下降法对参数进行更新,不断让损失达到最小。