-
在學習的過程中需要判斷學習產生的函數值與監督學習給出的訓練集中數據之間的差異性，即一個損失函數要做的事情查看全部
-
激勵函數的作用是提供規?；姆蔷€性化的能力查看全部
-
回歸梯度下降同步更新查看全部
-
回歸梯度下降查看全部
-
邏輯回歸查看全部
-
神經網路 應用查看全部
-
神經網絡的分類應用領域查看全部
-
邏輯回歸查看全部
-
訓練過程查看全部
-
2018/03/10查看全部
-
神經學查看全部
-
應該有一個是錯的，前面有一個公式是：a^n=g(z^n),求導之后應該是da^n=dz^n*g'(z^n)查看全部
-
網絡結構 首先隱含層將x值用z的函數線性表示，然后輸出層中的激活函數g(x)將x由線性組合編程非線性組合查看全部
-
課程安排 組件包括 ：網絡結構 激勵函數（每個神經元最重要的就是激勵函數） 損失函數（結果評價） 梯度下降查看全部
-
人工智能分三類： 自上而下的符號主義 基于邏輯學 自下而上的連接主義（即神經網絡） 基于仿生學 機器學習，基于進化論查看全部
舉報
0/150
提交
取消