第1章 構造神經網絡 原
第1章 構造神經網絡
1.人工神經網絡的基本單位是:人工神經元
2.生物神經元的輸入部分(樹突)、處理部分(細胞體)、輸出部分(軸突)。
3.人工神經元的基本過程:接受刺激信號並彙總輸出。
4.傳遞函數:最簡單的理解,我們假設有一個輸出結果s(n),這個結果有可能是0也有可能是1,這個區間的一個數字,也可以是任意一個可能大於0或者小於0的整數,然後對於一個分類運算說,
大多數時候,我們需要輸出一個0或1,代表是或否,如何處理呢?如果大於0,我們就把它當做1,如果小於0,我們就把它輸出爲0,最簡單的理解方式。即:對輸出結果進行處理。
5.感知機:是最簡單的神經網絡,感知機的所有結果都是基於設定好的相關參數以及神經元關鍵權重參數決定的。
6.感知機的學習:在有監督的學習規則中,我們能通過期望值不斷修正權重,最終得到一個可用權重並用已經訓練好的感知機去做一些事情。
1.人工神經網絡的基本單位是:人工神經元
2.生物神經元的輸入部分(樹突)、處理部分(細胞體)、輸出部分(軸突)。
3.人工神經元的基本過程:接受刺激信號並彙總輸出。
4.傳遞函數:最簡單的理解,我們假設有一個輸出結果s(n),這個結果有可能是0也有可能是1,這個區間的一個數字,也可以是任意一個可能大於0或者小於0的整數,然後對於一個分類運算說,
大多數時候,我們需要輸出一個0或1,代表是或否,如何處理呢?如果大於0,我們就把它當做1,如果小於0,我們就把它輸出爲0,最簡單的理解方式。即:對輸出結果進行處理。
5.感知機:是最簡單的神經網絡,感知機的所有結果都是基於設定好的相關參數以及神經元關鍵權重參數決定的。
6.感知機的學習:在有監督的學習規則中,我們能通過期望值不斷修正權重,最終得到一個可用權重並用已經訓練好的感知機去做一些事情。
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
深度學習基礎——張量的通俗理解
SupreEvi
2020-07-08 11:53:15
視頻目標分割之Video Object Segmentation using Space-Time Memory Networks
有为少年
2020-07-08 11:18:09
基於attention機制實現 CRNN OCR文字識別
koibiki
2020-07-08 12:23:28
opencv 加載tensorflow pb模型
koibiki
2020-07-08 12:23:28
聊天機器人/對話生成
路越
2020-07-08 12:17:40
推薦系統系列(二):從零開始搭建基於向量的推薦策略
路越
2020-07-08 12:17:27
論文解讀:Single path one-shot neural architecture search with uniform sampling
Lawrence-C
2020-07-08 12:06:15
深度學習論文中的一些術語(僅備份用,不定時更新)
forg_ood
2020-07-08 12:04:52
深度學習_目標檢測_FPN論文詳解
CV-GANRocky
2020-07-08 11:57:07
深度學習_目標檢測_“YOLOv5”詳解(持續更新)
CV-GANRocky
2020-07-08 11:57:07
[深度之眼]LeNet/AlexNet/VGGNet/InceptionNet/ResNet實現fashion_mnist分類
TF_Keras
2020-07-08 11:53:37
TensorFlow+CNN+OpenCV快速識別中文驗證碼
郑德帅
2020-07-08 11:43:39
apt-get update 卡在working 0 已解決
一蓑烟雨任平生yu
2020-07-08 11:20:23