深度学习的数学(2)恶魔神经
生活随笔
收集整理的這篇文章主要介紹了
深度学习的数学(2)恶魔神经
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
1. 問題:建立一個神經網絡,用來識別通過 4× 3 像素的圖像讀取的手寫數字 0 和 1。學習數據是 64 張圖像,其中像素是單色二值。
手寫數字 0 的圖像
2. 將惡魔工作翻譯成網絡語言
3. 相關概念
-
神經網絡的參數確定方法分為有監督學習和無監督學習
監督學習是指,為了確定神經網絡的權重和偏置,事先給予數據,這些數據稱為學習數據。根據給定的學習數據確定權重和偏置,稱為學習。 -
最優化
計算神經網絡得出的預測值與正解的誤差,確定使得誤差總和達到最小的權重和偏置。 -
代價函數( cost function)
用符號 CT 表示( T 是 Total 的首字母):針對全部學習數據,計算預測值與正解的誤差的平方(稱為平方誤差),然后再相加。這個誤差的總和稱為代價函數 -
利用平方誤差確定參數的方法在數學上稱為最小二乘法,回歸分析的常規手段
總結
以上是生活随笔為你收集整理的深度学习的数学(2)恶魔神经的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: ECC椭圆曲线算法(4)签名验证过程
- 下一篇: 深度学习的数学 (3)基础函数