浙江大学机器学习第二章人工神经网络

人工神经网络发展史

模型理解最简单是从MP模型开始,

模型理解

MP模型

模型结构

mp模型是指有一串输入,经过神经元加权求和,然后通过激活函数得到最终的输出结果y。
在这里插入图片描述

模型数学理解

从模型结构来看,输出的结果y可以数学表达式如下:
y = s i g m o d ( f ( x ) ) = s i g m o d ( w ∗ x + b ) y=sigmod(f(x))=sigmod(w*x+b) y=sigmod(f(x))=sigmod(wx+b)
那么,具体如何理解呢,该课程从数学里的一阶泰勒展开来理解:
在这里插入图片描述

hopfield神经网络

脉冲神经网络

感知器算法

训练样本

输入样本 ( X i , y i ) (X_i, y_i) (Xi,yi),其中, X i X_i Xi为特征, y i y_i yi为 +1 和 -1。
任务如下:
在这里插入图片描述
具体算法实现:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

向量化表达

在这里插入图片描述

向量化的感知器算法

在这里插入图片描述

感知器算法的收敛定理

感知器的收敛定理

在这里插入图片描述
有限步内找到一个w,等价于数据集线性可分。

证明

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
浙江大学人工智能课程课件,内容有: Introduction Problem-solving by search( 4 weeks) Uninformed Search and Informed (Heuristic) Search (1 week) Adversarial Search: Minimax Search, Evaluation Functions, Alpha-Beta Search, Stochastic Search Adversarial Search: Multi-armed bandits, Upper Confidence Bound (UCB),Upper Confidence Bounds on Trees, Monte-Carlo Tree Search(MCTS) Statistical learning and modeling (5 weeks) Probability Theory, Model selection, The curse of Dimensionality, Decision Theory, Information Theory Probability distribution: The Gaussian Distribution, Conditional Gaussian distributions, Marginal Gaussian distributions, Bayes’ theorem for Gaussian variables, Maximum likelihood for the Gaussian, Mixtures of Gaussians, Nonparametric Methods Linear model for regression: Linear basis function models; The Bias-Variance Decomposition Linear model for classification : Basic Concepts; Discriminant Functions (nonprobabilistic methods); Probabilistic Generative Models; Probabilistic Discriminative Models K-means Clustering and GMM & Expectation–Maximization (EM) algorithm, BoostingThe Course Syllabus Deep Learning (4 weeks) Stochastic Gradient Descent, Backpropagation Feedforward Neural Network Convolutional Neural Networks Recurrent Neural Network (LSTM, GRU) Generative adversarial network (GAN) Deep learning in NLP (word2vec), CV (localization) and VQA(cross-media) Reinforcement learning (1 weeks) Reinforcement learning: introduction

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值