《Andrew Ng深度学习》笔记3
2024-08-26 21:46:58
浅层神经网络
初步了解了神经网络是如何构成的,输入+隐藏层+输出层。一般从输入层计算为层0,在真正计算神经网络的层数时不算输入层。隐藏层实际就是一些算法封装成的黑盒子。在对神经网络训练的时候,就是对神经网络的神经元求出最合适的参数。
从这图也也看出,每层神经网络的单个神经元就是一些算法计算。
并且是针对一层的每个神经元的计算逻辑都是一样的,只不过是样本不一样。因此,在这里引出向量化来简化计算。
右图看到如何把神经网络向量化
这里是m维特征输入的向量化过程。
小结
这里的笔记是第三周浅层神经网络的1-5小节。主要是说明了神经网络的构成,如何向量化神经网络。通过这几节,大概知道了神经网络的组成和如何计算。
最新文章
- asp控件Repeater运用
- Eclipse 高亮显示选中的相同变量
- .htaccess的应用
- HDU 4901 The Romantic Hero (计数DP)
- css选择器,有箭头与没箭头的区别
- SOAPUI请求及mockservice 使用
- Python基础-类
- react系列笔记:第三记-redux-saga
- Plickers——教师拿手机、学生拿卡片,就可以完成即时全员互动!
- LayaAir疑难杂症之二:字符输入限制不生效(多个限制条件该如何赋值给restrict)
- SpringBoot日记——ElasticSearch全文检索
- 【亲测有效】无法定位链接器!请检查 tools\link.ini 中的配置是否正确的解决方案
- BOvW简介
- (转)能根据文字生成图片的 GAN,深度学习领域的又一新星
- WPF中的Visual Tree和Logical Tree与路由事件
- 安装pod
- hbase权限管理
- Java补充内容
- st link 连接问题ST LINK is not in the DFU mode plesse restart it
- GAN作用——在我做安全的看来,就是做数据拟合、数据增强