zoukankan      html  css  js  c++  java
  • 【吴恩达机器学习】第9章 神经网络学习

    非线性假设

    为什么需要学习这个算法
    非线性拟合

    • 多项式
      多项式拟合参数个数大于特征个数
    • 神经网络

    当特征个数过大时,多项式拟合参数过多
    二次项的个数大约是(n2)/2(n^2)/2nn为特征的个数。
    三次项个数大约是(n3)/6(n^3)/6

    神经元与大脑

    大脑能够通过同一套算法处理不同类型的信号(听觉、触觉、视觉)。

    模型展示 1

    参数与权重
    模型的权重和参数是一个意思。

    神经网络
    在这里插入图片描述
    参数矩阵的大小
    sj+1×(sj+1)s_{j+1} imes(s_j + 1)sjs_j为第jj层的单元数

    第二层
    在这里插入图片描述
    第三层
    在这里插入图片描述

    模型展示 2

    如何高效进行计算,以及一个向量化实现的方式。
    明白如何学习复杂的非线性假设函数。

    矩阵表示
    在这里插入图片描述

    前向传播
    从第一层到最后一层的计算过程也叫前向传播。

    神经网络与logistics回归
    每层的每个单元的计算与logistics回归有相同的形式,但是输入不是xix_i,而是上一层单元的输出ai(j)a^{(j)}_i

    例子与直觉理解 1

    • 神经网络是怎么样计算的
    • 为什么能够用来学习复杂的非线性假设模型

    神经网络是如何学习复杂非线性假设模型的
    在这里插入图片描述
    拟合的目标:
    在这里插入图片描述
    AND运算
    w0=30,w1=20,w2=20w_0 = -30, w_1=20, w_2=20
    在这里插入图片描述
    在这里插入图片描述
    OROR运算
    在这里插入图片描述

    例子与直觉理解2

    NOT运算
    在这里插入图片描述
    XNOR运算
    在这里插入图片描述

  • 相关阅读:
    线程3 线程池和文件下载服务器
    线程 2
    线程 1
    线程间操作
    编写高质量的代码-------从命名开始
    基于.NET平台常用的框架整理
    消息队列
    我是一个线程
    linux 网络命令
    css hack比较全 --- 转
  • 原文地址:https://www.cnblogs.com/bitbitbyte/p/12536588.html
Copyright © 2011-2022 走看看