1.结构
线性回归+激活函数(非线性)
这是一个神经元的结构。在神经网络中,有很多层、每层有很多个神经元组成。
输入层(1)、隐藏层(n)、输出层(1)
两步:①优化最佳权重
②选择激活函数以进行分类
2.迭代方法(对权重w的优化)
梯度下降/上升
对不同权重的评估:loss function损失函数 eg:交叉熵损失
使损失函数关于权重的偏导最大化。
3.激活函数
详见作者另一篇
线性回归+激活函数(非线性)
这是一个神经元的结构。在神经网络中,有很多层、每层有很多个神经元组成。
输入层(1)、隐藏层(n)、输出层(1)
两步:①优化最佳权重
②选择激活函数以进行分类
梯度下降/上升
对不同权重的评估:loss function损失函数 eg:交叉熵损失
使损失函数关于权重的偏导最大化。
详见作者另一篇