-
激勵函數作用查看全部
-
網絡向量化查看全部
-
梯度查看全部
-
梯度查看全部
-
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
-
這個太簡單了，大家看完了還是一臉懵逼，我給大家指條路參考： 第一步：復習線性代數。http://open.163.com/special/opencourse/daishu.html。 第二步：入門機器學習算法。http://open.163.com/special/opencourse/machinelearning.html。 第三步：嘗試用代碼實現算法。https://www.coursera.org/learn/machine-learning。 還有這個也是不錯的https://www.coursera.org/learn/neural-networks。查看全部
-
網絡結構查看全部
-
網絡結構查看全部
-
神經網絡查看全部
-
神經網絡用于進行判斷。查看全部
-
激活函數查看全部
-
網絡梯度下降 反向傳播，根據結構，反向調整每一層的參數查看全部
-
激勵函數：激勵函數的作用是提供規?；姆蔷€性化能力查看全部
-
：= 表示同步更新查看全部
-
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
舉報
0/150
提交
取消