摘要:
损失函数前面说过,是作为衡量模型输出与真实标签间的差异 在学习过程中,我们常常听到代价函数(cost function),目标函数(objective function)这些和损失函数区别和联系如下: 损失函数,一般用来衡量样本(或一批(batch)样本)中输出与真实标签的差异(即考虑单样本) 公式 阅读全文
摘要:
先区别一下前向传播和反向传播 前向传播是输入层输入的数据(即样本)开始从前向后,一步步将数据传输到输出层,反向传播即反过来,从后向前一步步还原到输入层。 反向传播的作用就是用于权重的更新,使神经网络的结果更接近于标签 那么怎么衡量这个接近呢?我们要用到损失函数loss,来衡量模型的输出与真实标签的差 阅读全文
摘要:
1多层感知机 定义:多层感知机是在单层神经网络上引入一个或多个隐藏层,即输入层,隐藏层,输出层 2多层感知机的激活函数: 如果没有激活函数,多层感知机会退化成单层 多层感知机的公式: 隐藏层 H=XWh+bh 输出层 O=HW0+b0=(XWh+bh)W0+b0=XWhW0+b0W0+b0 其中XW 阅读全文
摘要:
学习目标:学习神经网络的定义,历程,相关公式 1 神经网络的定义: 从人类的神经网络抽象出的数学模型(即M-P模型) (人类神经元) 在人类的神经网络中,树突用来接收信息,细胞核用来处理信息,轴突用来传输信息给下一个细胞核,轴突末梢用来输出信息,1943年后,提出了人工的神经元 (人工神经元) 其中 阅读全文