3.7 感知器-机器学习笔记-斯坦福吴恩达教授
生活随笔
收集整理的這篇文章主要介紹了
3.7 感知器-机器学习笔记-斯坦福吴恩达教授
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
感知器
感知器是最簡單的神經網絡結構,其不包含隱含層:
數學的簡單表單為:
[x0x1x2x3]→[a1(2)]→hθ(x)\left[\begin{matrix} x_0\\x_1\\x_2\\x_3 \end{matrix}\right]\rightarrow\left[a_1^{(2)}\right]\rightarrow h_\theta(x)?????x0?x1?x2?x3???????→[a1(2)?]→hθ?(x)
其輸出為:
hθ(x)=a1(2)=Θ(1)a(1)=Θ(1)xh_\theta(x)=a_1(2)=\Theta^{(1)}a^{(1)}=\Theta^{(1)}xhθ?(x)=a1?(2)=Θ(1)a(1)=Θ(1)x
這個預測函數是不是和之前學習的回歸問題類似,實際上回歸問題算是感知器的非網絡表達形式。
總結
以上是生活随笔為你收集整理的3.7 感知器-机器学习笔记-斯坦福吴恩达教授的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 3.6 权值初始化-机器学习笔记-斯坦福
- 下一篇: 3.8 神经网络解决逻辑运算问题-机器学