摘要：
在我们接触神经网络过程中，很容易看到就是这样一个式子，g(wx+b)，其中w,x均为向量.比如下图所示： 加入激活函数为g(x)，我们就可以用公式g(w1x1+w2x2+b)(注：1,2均为下标，公众号很难打,下面所有的公式均是)来表示神经元的输出。 其中b为神经元的偏置.那么w,b这些参数的作用有 阅读全文
posted @ 2019-07-30 22:38
你的雷哥
阅读(1182)
评论(0)
推荐(0)
摘要：
Q1代价函数 （1）假设神经网络的训练样本有m个，每一个包含一组输入x和一组输出信号y，L表示神经网络的层数，Sl表示每一层的神经元个数，SL代表最后一层中处理单元的个数。 则代价函数为（同样不对θ0正则化）： Q2反向传播算法 误差计算公式，注意第一列作为输入是没有误差的。 前向传播算法： 用δ表 阅读全文
posted @ 2019-07-30 22:29
你的雷哥
阅读(741)
评论(0)
推荐(0)
摘要：
Q1非线性假设 （1）无论线性回归还是逻辑回归当特征量太多时，计算的负荷会非常大。如50x50像素有2500特征，如果两两组合将会有25002/2个（接近300万个特征）。普通的线性回归和逻辑回归模型不能有效处理这么多特征，这时候需要用神经网络了。 Q2神经元和大脑 大脑的某一块可以经过学习，学会其 阅读全文
posted @ 2019-07-30 18:16
你的雷哥
阅读(554)
评论(0)
推荐(0)
浙公网安备 33010602011771号