-
每一個(gè)節(jié)點(diǎn)（神經(jīng)元）的處理包括：
（1）將輸入x進(jìn)行線性組合；
（2）將線性組合的結(jié)果通過激活函數(shù)g(z)轉(zhuǎn)化為非線性的結(jié)果，以處理非線性問題
查看全部 -
網(wǎng)絡(luò)結(jié)構(gòu)
激勵(lì)函數(shù)
損失函數(shù)
梯度下降
查看全部 -
圖像和語音中的點(diǎn)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(yù)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(shí)別 ? ?圖片就是一個(gè)像素的矩陣
查看全部 -
訓(xùn)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(jīng)網(wǎng)絡(luò)結(jié)構(gòu)概念式
查看全部 -
向量化之后的最后表達(dá)式
查看全部 -
網(wǎng)格向量化具體過程
查看全部 -
W、B要把X轉(zhuǎn)變?yōu)閍這中維度
查看全部 -
網(wǎng)絡(luò)向量化
查看全部 -
w、b兩個(gè)參數(shù)的計(jì)算
查看全部 -
梯度下降
損失函數(shù)函數(shù)面
求導(dǎo)后找到函數(shù)的變化方向
如果損失函數(shù)趨近一個(gè)全局最小值，那預(yù)測(cè)的Y值與對(duì)應(yīng)的真實(shí)Y值差異最小
通過損失函數(shù)取到最小值的過程調(diào)整w、d
查看全部 -
全部訓(xùn)練的損失
查看全部
舉報(bào)
0/150
提交
取消