zoukankan      html  css  js  c++  java
  • Machine Learning:Neural Network---Representation

    Machine Learning:Neural Network---Representation


    1。Non-Linear Classification

            假设还採取简单的线性分类手段。那么会面临着过拟合以及效率低下的问题(如图所看到的),然而neural network则能够非常好的解决非线性分类问题。



    2,Model representation


    第一层称为input layer,最后一层称为output layer,中间其余各层称为hidden layer。




    注意一下权重參数theta的维数问题。


    3。Forward propagation






    4。神经网络Example






    神经网络建模的难点在于神经结构的选择以及权重參数theta的选择,一个好的神经网络是须要非常精细的设计的。


    5,Multi-class classification

     


    当将神经网络运用于Multi-class classification问题时。其输出h(theta)不再是一个数值而是一个向量,而且其值为1的元素相应着合适的分类。


                                     ----------------------------------------------------------------------------------------------------------------

                                                本内容摘自斯坦福大学Andrew Ng老师《机器学习》课件



  • 相关阅读:
    又是运行不到main的问题
    stlink问题
    AD7124踩过的坑
    stm32上调试AD5410
    linux读xml文件问题
    stm8问题记录
    430 仿真器 问题
    虚拟机VMware显示“内部错误”的解决方法
    VS2008 如何设置字体大小?
    Hyperledger Indy项目
  • 原文地址:https://www.cnblogs.com/slgkaifa/p/6853562.html
Copyright © 2011-2022 走看看