| |
|
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四周 -> 正文阅读 |
|
[人工智能]吴恩达深度学习课程学习笔记第四周 |
前向传播-单样本神经网络的输出第一层的传播过程如下: ?第二层的传播过程如下: 对其向量化: x(3,1):3个特征,一个样本,为一个列向量? :根据输入的行维度确定W的列维度,本层神经元的个数确定行维度 (4,1):根据本层神经元个数的个数确定行维度,列维度始终为1 的维度都为(4,1) 是一个标量,也可理解为(1,1) 输入层 隐藏层 前向传播-多样本神经网络的输出: 假设输入样本有m个,多样本的向量化过程如下图所示 ,其过程是对单样本中的输入向量做了“列扩展”,即把每个样本作为一列放入输入矩阵中,由此我们很容易得到的维度都不变(这一点在上面关于维度的说明已有解释),第一层的输出(这里用]表示)的维度变成了(4,m),每一列即为每个样本产生的输出;第二层的输出(这里用表示)的维度变成了(1,m),每一列即为每个样本产生的输出。 下面是关于m个样本前向传播的for循环形式和向量化形式。? 反向传播-神经网络的梯度下降 : 激活函数 函数:除了输出层是个二分类问题,几乎不使用? 函数:此函数适用非常优秀,几乎所有的场合 ?函数选择 对于分类问题,输出层的激活函数一般会选择sigmoid函数。但是对于隐藏层的激活函数,tanh函数的表现会比sigmoid函数好一些。实际应用中,通常会会选择使用ReLU或者Leaky ReLU函数,保证梯度下降速度不会太小。 ? ? ? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
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 | -2024/11/27 17:41:21- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |