Coursera_机器学习_week4&5_神经网络

本文介绍了神经网络的表示,模型表示采用Logistic unit模拟神经元,代价函数包括二类分类和多类分类的情况。重点讲解了反向传播算法(BP算法)的基本原理,并提到了梯度下降算法的验证和随机初始化的重要性。此外,还涉及到在Octave中处理神经网络编程练习的相关函数。

神经网络的表示

52nlp的笔记
52nlp的笔记2

对于有大量特征的分类问题,除了逻辑回归,还可以选择神经网络算法,它对于复杂的假设空间和复杂的非线性问题有很好的学习能力。

Model representation 模型

用Logistic unit来模拟大脑中的神经元
这里写图片描述
其中 x0 为偏置单元(bias unit), hθ(x) 称为激活函数(activation function),一般采取的形式为

g(z)=1
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值