-
學(xué)習(xí)出的Y值與真實的Y值之間的差距
學(xué)習(xí)出的Y值與原始集中給出的標(biāo)準(zhǔn)值之間的差異
查看全部 -
常用激勵函數(shù)，ReLU為默認(rèn)函數(shù)
查看全部 -
激勵函數(shù)作用
查看全部 -
神經(jīng)元結(jié)構(gòu)——例子
????前面一部分是把輸入或者前一個層輸入的數(shù)據(jù)計算出一個線性結(jié)果，然后g(Z)函數(shù)稱之為激活函數(shù)，把這一結(jié)果非線性化
查看全部 -
網(wǎng)絡(luò)結(jié)構(gòu)
X1-X3身后的圓圈、隱含層
隱含層后的圓圈：輸出層
x1-x3傳入隱含層計算，然后在輸出層得到結(jié)果，最后或得學(xué)習(xí)后的值
查看全部 -
1.神經(jīng)網(wǎng)絡(luò)實現(xiàn)分類識別查看全部
-
圖像和語音是密集型矩陣，文本是稀疏型矩陣。
圖像：圖像識別，如自動駕駛。
語音：語音助手。
文本：新聞推送。
查看全部 -
神經(jīng)網(wǎng)絡(luò)就是分類
查看全部 -
神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程
查看全部 -
常用激勵函數(shù)：
查看全部 -
激勵函數(shù)的作用：提供規(guī)?；姆蔷€性化能力
查看全部 -
邏輯回歸是一種最簡化的網(wǎng)絡(luò)結(jié)構(gòu)
查看全部 -
線性組合、非線性處理。
g(z)激活函數(shù)
查看全部 -
單層神經(jīng)網(wǎng)絡(luò)：原始值、隱含層、輸出層、輸出值。
查看全部 -
功能：分類（圖像、語音、文本）
查看全部
舉報
0/150
提交
取消