xuqiaobo的博客

前几天由于公司的大会，看到了公司在AI上的决心，所以自己最近开始看关于机器学习的内容，所以我找了一门在线课程学习了一下，简单总结一下整体的收获：机器学习可以从三个维度来看待第一维度：机器学习的任务，机器学习的任务可以有：分类、回归、聚类、排名、密度估计、降维、优化第二维度：机器学习的范式，机器学习的范式可以有：有监督学习、无监督学习、强化学习第三维度：机器学习的模型，机器学习的模型...

人工神经网络的每一层由大量的节点（神经元）组成，层与层之间有大量的连接，但是层内部的神经元一般相互独立。深度学习的目的就是利用已知的数据学习一套模型，使系统在遇见未知的数据时也能够做出预测。这个过程中神经元具备以下两个特性：1，激活函数，这个函数一般是非线性的函数，也就是每个神经元通过这个函数将原有的来自其他神经元的输入做一个非线性的变化，输出给下一层神经元，激活函数实现的非线性能力是前向传播...

深度学习的目标是训练出一个模型，用这个模型去进行一系列的预测。于是我们将训练过程涉及的过程抽象成数学函数，首先，需要定义一个网络结构，相当于定义一种线性非线性函数，接着，设定一个优化目标，也就是定义一种损失函数。...

激活函数运行时激活神经网络中的某一部分神经元，将激活信息向后转入下一层的神经网络。神经网络之所以能够解决非线性问题，本质上就是激活函数加入了非线性因素，弥补了线性模型的表达力，把激活的神经元的特征通过函数保留并映射到下一层。因为神经网络的数学基础是处处可微，所以选取的激活函数要保证数据的输入与输出也是可微的。激活函数不会更改输入数据的维度。tensorflow常见的激活函数：1，sigmo...