- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习：原理概述（二）
五一假期结束后的一周，又继续开始神经网络与深度学习这门课程，本周讲解内容主要是卷积神经网络，下文将介绍掌握它所需要的基础知识。进化史：（1）特征提取（2）填充（3）步长 如果卷积核过大，步长就要相应增加，否则会造成卷积信息冗余。（4）多通道卷积（5）池化（Pooling） 思想：使用局部统计特征，如均值或最大值，解决特征过多的问题。卷积NN的BP算法：卷积层+全连接层是现代神经网络的开创者网络结构：其中第二个卷积层的卷积核大小为5*5，通道数分别为：6个3通道、9个4通道、1个6通道具体原理不过多介绍，
2025-05-10 12:36:43
1127
原创 神经网络与深度学习：原理概述（一）
1-线性回归和线性分类本质上都是参数优化问题。分类问题中引入Sigmoid函数，因此需要通过迭代求解参数优化；2-神经元基本的数学模型为M-P模型，通过Hebb规则实现邻接权的动态变化；3-感知机可以自动迭代完成线性分类任务。1、学习可以完全自主；2、可逼近任意非线性函数；算法非全局收敛、收敛速度慢等参考教材：《动手学深度学习》电子书（zh.d2l.ai;含代码实践）
2025-05-03 13:28:32
1459
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人