机器学习基础算法 6&7

本次主要讨论从线性系统逐渐过渡到人工神经网络。其中涉及到诸多梯度下降等更新权值的方法。线性系统其实只是一个小的神经网络单元,如果把它们组合起来,就最后变成了一个整个的BP神经网络。当然,神经网络是一个非线性系统,因此每个神经元都需要一个非线性函数来处理,具体还是得参考课件内容。一个BP神经网络,其主要的特点是:信号是前向传播的,而误差是反向传播的。具体而言,其过程主要分为两个阶段,第一阶段是信号的前向传播,从输入层经过隐含层,最后到达输出层;第二阶段是误差的反向传播,从输出层到隐含层,最后到输入层,依次调节隐含层到输出层的权重和偏置,输入层到隐含层的权重和偏置。BP神经网络是很“远古”的机器学习方法,却往往有奇效。不过有一个很大的缺点是,如果隐含层过深,其参数量会巨大无比,因而引出之后要介绍的卷积神经网络(CNN)

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181109G0T7BV00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

同媒体快讯

扫码关注云+社区

领取腾讯云代金券