-
sigmoid是非对称的
查看全部 -
激励函数的作用是提供规模化的非线性化能力
查看全部 -
逻辑回归是一种最简化的网络结构。
查看全部 -
结构性的顺序
结点和层的概念
解决的是非线性问题，这个体现在每个神经元的设计上。包括隐含层和输出层。
神经元的操作：把输入进来的东西进行组合，然后进行一个非线性的处理
查看全部 -
网络结构
激励函数
损失函数
梯度下降
查看全部 -
主要功能：分类识别
分类：图像、语音、文本
查看全部 -
神经网络
起源：20世纪中叶，实际上是一种仿生学产品。目标是像人脑一样思考。
兴起：
环境：二进制创新
能力：软硬件
需求：人的性价比
查看全部 -
激励函数是对大脑中传递介质的模拟，非线性的变化
Sigmoid tanh ReLU
2.1sigmoid （0-1）优势：整个函数可导，后期反向传播
缺点：对称点：0.50（数据中心化）-》tanh
趋向比较小或比较大时，变化平缓
2.2ReLU
查看全部 -
结构性顺序
从输入到隐含层到输出再到最后得到预测结果
深度（层）比宽度（节点），一层一层分析，从色彩到线到形状
神经网络解决的问题是非线性的（体现在隐含层和输出层）
神经元两部分：线性组合和非线性的处理
查看全部 -
1.神经网络主要功能：分类识别，通过函数
2.图像，语音，文本
2.1图像和语音是密集型矩阵（非零值），文本是稀疏性矩阵（零值居多，预处理工作）
2.2基础应用：
图像-》自动驾驶，语音-》语音助手，文本-》新闻推送
查看全部 -
神经网络
网络结构
激励函数
损失函数
梯度下降
查看全部 -
主要功能：分类识别（图像、语音、文本）
查看全部 -
迭代，调整参数
查看全部 -
图像和音频是密集型 文本是稀疏型查看全部
-
1：激励函数 :2损失函数 3：梯度下降
查看全部
举报
0/150
提交
取消