-
每一個節點（神經元）的處理包括：
（1）將輸入x進行線性組合；
（2）將線性組合的結果通過激活函數g(z)轉化為非線性的結果，以處理非線性問題
查看全部 -
網絡結構
激勵函數
損失函數
梯度下降
查看全部 -
圖像和語音中的點大部分為非零值，而文本可能是零值居多，所以文本還有一些預處理要做
查看全部 -
圖像是稀疏型矩陣、語音和文本是密集型矩陣
查看全部 -
分類識別 ? ?圖片就是一個像素的矩陣
查看全部 -
訓練的過程，正向傳播與反向傳播
查看全部 -
反向傳播過程
查看全部 -
大型神經網絡結構概念式
查看全部 -
向量化之后的最后表達式
查看全部 -
網格向量化具體過程
查看全部 -
W、B要把X轉變為a這中維度
查看全部 -
網絡向量化
查看全部 -
w、b兩個參數的計算
查看全部 -
梯度下降
損失函數函數面
求導后找到函數的變化方向
如果損失函數趨近一個全局最小值，那預測的Y值與對應的真實Y值差異最小
通過損失函數取到最小值的過程調整w、d
查看全部 -
全部訓練的損失
查看全部
舉報
0/150
提交
取消