-
权重更新算法查看全部
-
分类算法大致分为两类：1.感知器 2.适应性线性神经元查看全部
-
权重更新算法，y和y‘越接近，越正确查看全部
-
感知器分类算法 权重和训练样本进行点积,对点积结果求和得到z值,送至激活函数,若z>0,则通过激活函数输出结果为1,若z<0,输出为-1.这样就把数据进行了分类. 当然,其中涉及到权重和阈值的更新.查看全部
-
神经元参数的更新：学习率查看全部
-
和方差求偏导数查看全部
-
渐进下降法查看全部
-
距离的定义查看全部
-
自适应性神经元查看全部
-
感知器算法适用于线性分割查看全部
-
注意阈值的更新查看全部
-
学习率需要往往需要根据经验和场景自己设置。查看全部
-
大概类似于中心化，使得位置变量阀值，从右边的判断函数转入左边的步调函数查看全部
-
激活函数查看全部
-
神经元的数学表示查看全部
举报
0/150
提交
取消