神经网络初步学习

本文介绍了神经网络的基本概念,包括网络结构、激励函数、损失函数等,并探讨了其在自动驾驶、语音助手等领域的实际应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近看了一门简短的网课
感谢Eric

从起源开始
在多方面的作用下,包括大环境下二进制的创新、软硬件的升级以及人类劳动力的性价比等种种的变化
可以要求我们的计算机掌握部分人类的能力
实质上是通过一个分类识别的函数对输入进行识处理,再进行输出
归根结底就是一个判断的过程
输入也包括图像、语音以及文本
如此衍生出来的便有自动驾驶技术、语音助手以及各式各样的新闻推送
PS:文本与图像语音这些笔记型矩阵不同,它属于稀疏性矩阵

我们从神经网络的概念,了解到神经网络的脉络:网络结构,激励函数,损失,梯度下降

首先是网络结构,可以说是结点与层的概念:输入、隐含层、输出层以及预测值
层数越多,便会对结果进行反复不断地剖析与分析,对结果进行修正。
而中间最简单的一个神经元,如下图:
左半边为一个线性函数,右边为激励函数:负责将线性函数的结果转为非线性,即提供规模化的非线性能力
常用的神经元包括sigmoid、tanh、Relu。其中最后为最常用的。
前二中的缺点为非堆成、数据中心化,需要平移使他们做到中心对称,比如当数据去向太大或者太小是,运算的效率会非常地下

还有损失函数:

loading……

评论
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