神经网络学习

发布时间：2024年01月19日

  1. 什么是神经网络

    逻辑回归、感知机均只包含一个输入层以及一个输出层，只能处理线性可分问题。如果在输入层与输出层之间加入一层到多层的隐藏层，就会得到神经网络结构。

    神经网络一般由输入层、隐藏层、输出层构成，下图展示了其一般结构：

    sGXmRI.jpg

    隐藏层之所称之为隐藏层，是因为在训练集中，这些中间结点的准确值我们是不知道到的，也就是说你看不见它们在训练集中应具有的值。

    神经网络通过在每个隐藏层后加入非线性的激活函数来使得模型具有非线性切分能力。

  2. 神经网络的计算过程

    • 前向计算过程

      对一个包含L个隐藏层（包括输入层）的神经网络，以输入层为0开始编号，则所有层的编号为 { 0 , 1 , . .

文章来源:https://blog.csdn.net/Runnymmede/article/details/135648377
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章