神经网络学习笔记1
需积分: 0 124 浏览量
2022-08-08
23:18:44
上传
评论
收藏 212KB DOCX 举报
神经网络学习笔记
1. 深度学习基本概念
深度学习的核心是神经网络，神经网络主要是是分类和回归，分类问题是数据属于哪一
个类别的问题。比如，区分图像中的人是男性还是女性的问题就是分类问题。而回归问题是
根据某个输入预测一个（连续的）数值的问题。比如，根据一个人的图像预测这个人的体重
的问题就是回归问题。回归问题的激活函数一般采用恒等函数，分类问题采用 softmax 函
数或者 sigmoid 函数。
2. 感知器的介绍
感知器类比人脑的神经元，输入的数据类比神经元树突获得的输入，神经元的作用是对
这些冲动进行处理，然后判断是否通过轴突输出神经冲动。个人理解为，可以把感知器想象
成一个黑盒子，数据进来盒子，盒子经过一定的运算输出结果，这个结果最好是 0-1 之间
的数（连续）或者只有 0 和 1（离散）。
感知器有四类简单的感知器，AND、OR 和 NOT 感知器比较简单，跟电路里面的与或
非门的功能一样，但是实现的过程感知器是找一条线性方程来对这四种输入数据进行分类，
同时加上阶跃函数来实现二分类（只有 0 和 1）。NOR 感知器稍微复杂一点，但是可以用
前面三种感知器组合成异或感知器，首先是与感知器和非感知器运算出第一个结果，然后第
二个结果是或感知器，将这两个结果作为最后一个感知器（AND）的输入数据，最终出来
的结果就是异或的结果。
3. 感知器算法
利用分界线两区域分类出错的点的坐标做参考点，调整分界线更接近它，从而不断修正
剩余10页未读，继续阅读
评论0