Shen___的博客

卷积神经网络（CNN）：多了卷积层（Convolution层）和池化层（Pooling层）。全连接（fully-connected）：相邻层的所有神经元之间都有连接。

1. 计算图计算图将计算过程用图形表示出来。这里说的图形是数据结构图，通过多个节点和边表示（连接节点的直线称为“边”）。正向传播（forward propagation）：从左向右进行计算，传递的是计算结果。反向传播（backward propagation）：是从右向左进行计算，传递的是局部导数。局部计算：计算图的特征是可以通过传递“局部计算”获得最终结果。“局部”这个词的意思是“与自...

本章的“学习”是指：从训练数据中自动获取最优权重参数的过程。学习的目的：找出使损失函数的值达到最小的权重参数。方法：函数斜率的梯度法。1 从数据中学习从数据中学习是指：由数据自动决定权重参数的值1.1 数据驱动利用数据来解决问题：先从图像中提取特征量，再用机器学习技术学习这些特征量的模式。特征量：可以从输入数据（输入图像）中准确地提取本质数据（重要的数据）的转换器。图像的特征量通...

感知机：好消息，对于复杂的函数，感知机也隐含着能够表示它的可能性。即便是计算机进行的复杂处理，感知机（理论上）也可以将其表示出来。坏消息，设定权重的工作，即确定合适的、能符合预期的输入与输出的权重，现在还是由人工进行的。神经网络：为了解决感知机的坏消息。神经网络的一个重要性质是它可以自动地从数据中学习到合适的权重参数。一、从感知机到神经网络例如：神经网络中信号的传递方法...

一、感知机是什么感知机是具有输入和输出的算法。给定一个输入后，将输出一个既定的值。x1、x2是输入信号，y是输出信号，w1、w2是权重（w是weight的首字母）。○称为“神经元”或者“节点”。输入信号被送往神经元时，会被分别乘以固定的权重（w1x1、w2x2）。神经元会计算传送过来的信号的总和，只有当这个总和超过了某个界限值时，才会输出1。这也称为“神经元被激活”。这里将这个界限值称为阈...