- 博客(4)
- 收藏
- 关注
RSS订阅原创 深度学习入门：基于Python的理论与实现4神经网络的学习
梯度法：寻找函数最小值，此时（损失）函数最小时，取得最优参数（权重与偏置） ，即神经网络最优化。正确标签的输出越大，交叉熵误差越接近0，当输出为1时，交叉熵误差为0。one-hot表示：正确解标签为1，其他为0。损失函数：一般使用均方误差、交叉熵误差。梯度指示的方向是函数值减少最多的的方向。超参数：学习率η等参数，需要人工设定。数值微分：导数，偏导，梯度（向量）mini-batch:交叉熵误差。训练数据（监督数据）/测试数据。所有训练数据损失函数总和。可以为ω、b，用于参数更新。表示监督数据，k为维数。.
2022-08-11 08:57:57
106
1
原创 深度学习入门：基于Python的理论与实现3神经网络
输出激活函数定为softmax函数，利用激活函数h()将a转换为输出y=h(a)simoid函数。 隐藏层激活函数h(),输出层激活函数σ()实际权重层数=输入层+中间层+输出层-1……，计算加权信号与偏置的总和a=Σ（w。i为[1,n],n是输出层神经元个数，ReLU函数：（学习率需要设计较小）输入层、中间层（隐藏层）、输出层。激活函数：通过感知机接收信号x。输出层激活函数定为恒等函数。......
2022-08-08 17:59:47
98
原创 深度学习入门：基于Python的理论与实现2感知机PLA
感知机：接收多个输入信号。 权重（w）、偏置（b）：前者控制输入信号，后者调整神经元被激活的容易程度，超过|b|则被激活。 单层感知机、多层感知机：前者无法分离非线性空间与异或门。 ......
2022-08-07 12:54:48
293
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