我必须设计一个功能强大的神经网络的动画视觉表示(即使用UI，允许您调整值等)。它的主要目的是帮助人们想象不同的数学操作是如何和何时在慢动作、实时动画中执行的。我的可视化工具和UI一起设置，它允许你调整值和改变神经元的布局，以及前馈阶段的可视化，但是由于我实际上根本不擅长神经网络，所以我很难找到最佳的方法来可视化反向传播阶段--主要是因为我在这一阶段找出了精确的操作顺序但这正是我真正
浏览 0提问于2021-01-27得票数 2
回答已采纳
1回答
我正在尝试从头开始创建自己的网络(不使用keras或tensorflow等库)，以更好地理解机器学习和神经网络。我遇到了一个问题，当使用具有特定层配置的网络时，梯度下降不能正常工作。由于每一层的值是相应权重集合的导数，并且导数相乘在一起将权重链接在更接近输入到输出的位置，因此相乘后的层不起作用。例如，一个具有2个输入神经元、3个隐藏神经元和1个输出神经元的
浏览 30提问于2020-04-17得票数 0
回答已采纳
2回答
有这样的主张：
更新：，自从写这篇文章以来，我发现这在“深度学习”6.5.9节中有介绍。见。我还发现，这篇论文对Haber和Ruthotto的“深度神经网络<em
浏览 4提问于2014-05-06得票数 14
回答已采纳
1回答
我只想澄清一个疑问--我们使用梯度下降来优化神经网络的权重和偏差，并且在需要计算损失函数的偏导数的步骤中使用反向传播，还是我误解了什么？
浏览 0提问于2020-10-15得票数 2
回答已采纳
在这篇演讲中，他说，在一开始，人工神经网络中人工神经元之间的连接是随机初始化的。因此，网络进行随机预测。此外，我还从网上的一些讲座中了解到，神经元之间的连接(权重)存储在矩阵中。问题也就是
浏览 1提问于2019-12-13得票数 3
1回答
梯度下降算法中激活函数的导数
、、、、
为什么在更新模型(回归或神经网络)参数时需要计算激活函数的导数？为什么线性函数的恒定梯度被认为是一个缺点？据我所知，当我们使用公式进行随机梯度下降时：
那么，权重也会被很好地更新，那么为什么导数
浏览 0提问于2019-07-13得票数 1
3回答
我有一个概念上的问题，因为术语困扰着我。反向传播算法是一种神经网络训练算法，还是仅仅是一种递归算法来计算神经网络的雅可比？那么这个Jacobian将作为主要训练算法的一部分，例如最陡峭的下降？因此，计算雅可比矩阵(神经网络输出到网络参数的偏导数)是一种训练算法还是一种数值方法？
浏览 0提问于2021-09-08得票数 4
回答已采纳
1回答
如何调整权值-反向传播
、、、
我决定用遗传算法训练神经网络。它们将通过遗传发展，其中一个(多个)可变基因应该是传递函数。例如，我有三个转移功能基因的变体。1)log函数3)高斯函数神经网络输出有误差，如何通过不同参数的不同函数对权值进行传递？根据我的研究，我
浏览 3提问于2012-02-20得票数 3
3回答
编辑：用于隐藏层激活的Logistic sigmoid，用于输出层和输出激活的输出最大软件
我利用梯度下降来寻找局部最大值，以调整隐藏节点的权重和输出节点的权重。对于softmax (或者我是否可以使用梯度下降</
浏览 5提问于2010-04-21得票数 3
回答已采纳
(代码是一团糟，我只是在乱搞)用这个简单的3层神经网络来处理：
我的计算结果和这本书差不多(把差异归因于四舍五入)：h1 delta-> o1: 0.04518482993361776但是梯度到底是什么呢它们是单个节点对o1错误的贡献吗？
浏览 4提问于2014-07-15得票数 6
回答已采纳
2回答
例如，当我们训练一个分类对象的网络时，训练集的准确度通常很低，并且在整个时期都会提高。我的问题是，在这些早期时代，我的训练集的哪些例子被正确地分类了？它们是“最简单的”例子，还是简单的第一例？在我看来，它们是最简单的例子，也就是那些很容易区别开来的例子。
如果有数学解释的话我会很高兴的。任何帮助都是非常感谢的！
浏览 0提问于2018-10-02得票数 5
1回答
如何更新权重和偏差
、、、
我正试图从零开始编写一个numpy神经网络来识别hand_written_digits.but，我在更新权重和偏差方面有点困惑。这是我的密码 ephochs = 10000有人能解释一下这个神经网络的权重和偏差逐步更新的过程吗？
浏览 0提问于2019-08-24得票数 0
回答已采纳
2回答
我知道神经网络可以使用梯度下降进行训练，我知道它是如何工作的。 最近，我偶然发现了其他训练算法:共轭梯度算法和准牛顿算法。我试图理解它们是如何工作的，但我能得到的唯一好的直觉是它们使用了更高阶的导数。 我的问题如下:我提到的那些替代算法与通过使用损失函数的梯度调整权重的反向传播过程有根本不同吗？如果没有，是否有
浏览 39提问于2019-03-22得票数 6
回答已采纳
求导数背后的概念是什么？有趣的是，为了以某种方式教授一个系统，我们必须调整它的权重。但我们为什么要用传递函数的导数来做这件事。在推导中有什么对我们有帮助。我知道导数是连续函数在给定点的斜率，但它与问题有什么关系？
浏览 0提问于2016-03-03得票数 5
1回答
神经网络训练中梯度和偏导数的解释
、、、、
我试图通过了解如何解释梯度及其偏导数来理解神经网络训练中偏微分的目的。下面是我解释它们的方法，所以我想知道我是否正确，如果不是，是否有人能指出我的正确方向。如果我们处理的函数依赖于几个变量，那么这个函数对所有这些因变量的导数就是一个梯度(即偏导数的向量)，它指向函数极值的方向。每个偏导数对应于我们试图优化的N维空间中的<
浏览 0提问于2020-01-17得票数 3
回答已采纳
我有一个经过训练的神经网络，它适当地将我的输入映射到我的输出。那么，是否可以指定所需的y输出，然后使用梯度下降方法来确定最佳输入值以获得该输出？在使用反向传播时，权重的偏导数与误差函数一起用于按比例调整权重；是否有方法可以对输入值本身和目标y值执行类似的操作？
浏览 0提问于2015-01-14得票数 0
1回答
我试图用神经网络作为函数逼近器来实现用于估计q*的片段式半梯度Sarsa。我的问题是: q(S，A，w)中的权向量w是指神经网络中的权值吗？如果不是，我将如何在算法中使用它？我的建议是将其附加到状态和动作a中，并将其插入到神经网络中，以得到与所选动作的状态近似。这是正确的<
浏览 0提问于2018-03-28得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
