IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 吴恩达深度学习课程学习笔记 第三周 浅层神经网络(上) -> 正文阅读

[人工智能]吴恩达深度学习课程学习笔记 第三周 浅层神经网络(上)

【3.1 神经网络概览】

如何实现一个神经网络?

注:?

x表示输入特征,参数W和b,

\large z^{[1]}中的[1]表示神经网络的“层”,表示与节点相关的量,区分\large x^{(i)}(i)-表示单个训练样本。

把很多个sigmoid单元堆叠起来构成一个神经网络,节点对应类似z和a的计算。

也可进行反向计算。

【3.2 神经网络表示】

例:

单隐层神经网络,也称双层神经网络(输入层为第0层)

?

  • \large a^{[0]}=x可表示输入层,a"激活“;
  • a^{[1]}为隐藏层,隐藏层中的值在训练集中无法看到,本例中的a^{[1]}是一个四维向量(矩阵形式:紫色字体),有四个隐藏层单元,
  • \hat{y}=a^{[2]}为输出层。

隐藏层和输入层是带有参数的

?

【3.3 计算神经网络的输出】

以logistic回归的结果为例:

?

注:

左侧:圆圈(节点)代表了回归计算的两个步骤:1.先算出z,2.然后再计算激活函数,即\sigma (z)。神经网络就是多次重复这个计算步骤。

右侧:举例计算第一个和第二个节点的z和a。第三个、第四个节点类推,下标不同。

  • 上标方括号表示所在的层数,下标表示层中的第几个节点,eg:\large a_{2}^{[1]}表示第一隐层的第二个节点。

四个节点计算的相应等式如下:

?

如果在神经网络用for loop执行很低效,所以要把这四个等式向量化:

角标T代表转置,把 转置后的w(nx,1)堆起来构成一个矩阵,w的转置是行向量,此处的w是(3,1)向量。这层共有四个节点,所以构成(4,3)矩阵。

计算:转置堆叠后的w矩阵与x(3,1)相乘,x=\large a^{[0]},x用\large a^{[0]}代替,再加b^{[1]}

其中,?a^{[1]}如下图所示,相当于把\sigma函数作用到z中的每个元素。

?

?

  • 向量化时的经验法则:当在一层中有不同的节点时,就纵向堆叠起来

?

recap:

如果有一个单隐层神经网络,需要在代码中实现的是计算右侧四个式子,是一个向量化的计算过程。上两个式子对应第一层,下两个对应第二层。四行代码实现,高效。

输入当然特征向量x,与处理logistic回归做法类似,想把整个训练样本向量化,通过把不同样本堆叠起来构成矩阵,再稍微修改一下公式,就能计算出不止一个样本的神经网络输出。

【3.4 多个例子中的向量化】

将不同训练样本向量化,输出结果和logistic回归相似。将不同的训练样本堆叠起来,放入矩阵的各列。

?

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-28 09:00:22  更:2021-08-28 09:01:05 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/1 12:43:40-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码