提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
深度学习之BP神经网络
一、BP神经网络实质?
BP神经网络可以说是目前最优秀的神经网络学习算法,其基本原理就是通过一定的方式接受结果的反馈去对算法进行不断的改进和升级,从而使得算法的结果更为准确。
二、详解BP神经网络
BP神经网络由输入层、隐藏层和输出层构成。
隐藏层的每一个节点都于下一层的节点有相应的关系,而这种关系就是相应的权重。(对于权重的理解可以认为是两个人之间的关系,关系好则权重就大,关系不好则权重就小。)所以BP神经网络就是最终的结果通过一定方式的反馈不断向回传参,并不断调节权重的过程。
其中权重刚开始是随机生成的,接下来根据已经确定的具体结果回调并不断对相应的权重进行调整,从而得出最后的正确的权重。
卷积
上图只是一个神经元的输入和输出,而多个神经元经过不断重复上述过程在,则称为卷积。
手写数字识别
上述卷积可视作一个一维数组进行卷积,数字识别则是RGB三重图像分别进行卷积,得出最后的结果。