-
自適應線性神經(jīng)元查看全部
-
神經(jīng)元參數(shù)的更新查看全部
-
和方差求偏導數(shù)查看全部
-
漸進下降法查看全部
-
流程圖查看全部
-
感知器數(shù)據(jù)分類算法步驟： 權重向量W（對電信號處理向量），訓練樣本X（輸入電信號向量） 1.把權重向量初始化為0，或這個每個分量初始化為【0,1】間任意小數(shù) 2.把訓練樣本輸入感知器，得到分類結(jié)果（1或-1） 3.根據(jù)分類結(jié)果更新權重向量 步調(diào)函數(shù)（激活函數(shù)）與閾值，閾值需要不斷的更新 感知器算法使用范圍：數(shù)據(jù)需要可以線性分割查看全部
-
人工智能——神經(jīng)網(wǎng)絡 輸入層（input layer）——隱藏層（hidden layer）——輸出層（output layer）查看全部
-
感知器算法試用范圍： 可以線性分割查看全部
-
機器學習之神經(jīng)網(wǎng)絡 1. 介紹人工智能的基本概念和邏輯體系 2. 研究兩種數(shù)據(jù)分類算法 3. 通過python，運用分類算法，實現(xiàn)只有一層的神經(jīng)網(wǎng)絡查看全部
-
感知器:查看全部
-
和方差求偏導查看全部
-
感知機算法步驟查看全部
-
權重更新算法查看全部
-
計算步驟查看全部
-
w(0)的電信號x（0）固定為1查看全部
舉報
0/150
提交
取消