-
激勵(lì)函數(shù)作用查看全部
-
網(wǎng)絡(luò)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(hào)主義 基于邏輯學(xué) 自下而上的連接主義（即神經(jīng)網(wǎng)絡(luò)） 基于仿生學(xué) 機(jī)器學(xué)習(xí)，基于進(jìn)化論查看全部
-
這個(gè)太簡(jiǎn)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(fù)習(xí)線性代數(shù)。http://open.163.com/special/opencourse/daishu.html。 第二步：入門機(jī)器學(xué)習(xí)算法。http://open.163.com/special/opencourse/machinelearning.html。 第三步：嘗試用代碼實(shí)現(xiàn)算法。https://www.coursera.org/learn/machine-learning。 還有這個(gè)也是不錯(cuò)的https://www.coursera.org/learn/neural-networks。查看全部
-
網(wǎng)絡(luò)結(jié)構(gòu)查看全部
-
網(wǎng)絡(luò)結(jié)構(gòu)查看全部
-
神經(jīng)網(wǎng)絡(luò)查看全部
-
神經(jīng)網(wǎng)絡(luò)用于進(jìn)行判斷。查看全部
-
激活函數(shù)查看全部
-
網(wǎng)絡(luò)梯度下降 反向傳播，根據(jù)結(jié)構(gòu)，反向調(diào)整每一層的參數(shù)查看全部
-
激勵(lì)函數(shù)：激勵(lì)函數(shù)的作用是提供規(guī)?；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(wǎng)絡(luò)結(jié)構(gòu) 激勵(lì)函數(shù)（每個(gè)神經(jīng)元最重要的就是激勵(lì)函數(shù)） 損失函數(shù)（結(jié)果評(píng)價(jià)） 梯度下降查看全部
舉報(bào)
0/150
提交
取消