第5章 神经网络基础知识 目录 5.1 由逻辑回归出发 5.2 损失函数 5.3 梯度下降 5.4 计算图 5.5总结 在第1课《深度学习概述》中，我们介绍了神经网络的基本结构，了解了神经网络的基本单元组成是神经元。如何构建神经网络，如何训练、优化神经网络，这其中包含了许多数学原理，需要具备一些基本知识。 本课程将重点罗列并详细介绍神经网络必备的基础知识。掌握这些基础知识，就可以为接下来的课程做好准备。 5.1 由逻辑回归出发 逻辑回归（Logistic Regression）是机器学习一个最基本也是最常用的算法模型。与线性回归不同的是，逻辑回归主要用于对样本进行分类。因此，逻辑回归的输出是离散值。对于二分类问题，通
超级会员免费看
本文介绍了神经网络基础知识，从逻辑回归出发，探讨损失函数、梯度下降和计算图。逻辑回归作为神经网络的基本单元，通过Sigmoid函数实现非线性映射。损失函数以交叉熵损失为例，用于衡量预测输出与真实值的差异。梯度下降是优化模型参数的常用方法，计算图则帮助高效处理神经网络的正向传播和反向传播过程。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
