相關(guān)文章

• 

  深度學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)的前向傳播過程

  Author:龍箬 Computer Application Technology Change the World with Data and Artificial Intelligence ! CSDN@weixin_43975035 哲學(xué)與愛情是我永遠(yuǎn)都搞不懂的兩件事情 注： 以三層神經(jīng)網(wǎng)絡(luò)為例說明神經(jīng)網(wǎng)絡(luò)的前向傳播過程 激活函數(shù)采用 R e L U ReLU R e LU 函數(shù) w w w 值和 ?? 值由反向傳播過程確定，此處可忽

  2023年04月20日

  瀏覽(31)
• 

  0基礎(chǔ)入門---第3章---神經(jīng)網(wǎng)絡(luò)（前向傳播）

  ??歡迎來到深度學(xué)習(xí)的世界? ??博客主頁：卿云閣 ??歡迎關(guān)注??點贊??收藏??留言?? ??本文由卿云閣原創(chuàng)！ ??作者水平很有限，如果發(fā)現(xiàn)錯誤，請留言轟炸哦！萬分感謝！ 目錄 3.1 從感知機(jī)到神經(jīng)網(wǎng)絡(luò) 3.2 激活函數(shù) 3.3 多維數(shù)組的運算 3.4 3層神經(jīng)網(wǎng)絡(luò)的實現(xiàn) 3.5 輸出

  2024年02月09日

  瀏覽(37)
• 

  【機(jī)器學(xué)習(xí)300問】71、神經(jīng)網(wǎng)絡(luò)中前向傳播和反向傳播是什么？

  ????????我之前寫了一篇有關(guān)計算圖如何幫助人們理解反向傳播的文章，那為什么我還要寫這篇文章呢？是因為我又學(xué)習(xí)了一個新的方法來可視化前向傳播和反向傳播，我想把兩種方法總結(jié)在一起，方便我自己后續(xù)的復(fù)習(xí)。對了順便附上往期文章的鏈接方便回顧： 【機(jī)器

  2024年04月17日

  瀏覽(26)

• 神經(jīng)網(wǎng)絡(luò)中，前向傳播、反向傳播、梯度下降和參數(shù)更新是怎么完成的

  神經(jīng)網(wǎng)絡(luò)中，前向傳播、反向傳播、梯度下降和參數(shù)更新是怎么完成的 在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，前向傳播、反向傳播、梯度下降和參數(shù)更新是按照以下順序完成的： 前向傳播（Forward Propagation）： 在前向傳播階段，輸入樣本通過神經(jīng)網(wǎng)絡(luò)的各個層，從輸入層到輸出層逐步進(jìn)

  2024年02月16日

  瀏覽(35)
• 

  【機(jī)器學(xué)習(xí)】P18 反向傳播（導(dǎo)數(shù)、微積分、鏈?zhǔn)椒▌t、前向傳播、后向傳播流程、神經(jīng)網(wǎng)絡(luò)）

  反向傳播（back propagation）是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的算法，其作用是計算神經(jīng)網(wǎng)絡(luò)中每個參數(shù)對損失函數(shù)的影響，從而進(jìn)行參數(shù)更新，使得神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果更加準(zhǔn)確。 具體來說，反向傳播算法首先通過 前向傳播 計算神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，并與實際結(jié)果進(jìn)行比較，得到

  2024年02月04日

  瀏覽(26)

• 神經(jīng)網(wǎng)絡(luò)中的前向傳播（Forward Propagation）和后向傳播（Backward Propagation）

  有時候會搞混這兩個概念。什么是前向傳播？不是只有后向傳播嗎？后向傳播好像是用來更新模型參數(shù)的，前向傳播是什么東西？ 帶著疑問再次梳理一遍： 前向傳播是神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測的過程。在這個過程中，輸入數(shù)據(jù)沿著神經(jīng)網(wǎng)絡(luò)從輸入層經(jīng)過隱藏層（如果有的話）最終

  2024年02月20日

  瀏覽(20)
• 

  人工智能-神經(jīng)網(wǎng)絡(luò)

  目錄 1 神經(jīng)元 2 MP模型 3 激活函數(shù) ? ? ? 3.1 激活函數(shù) ? ? ? 3.2 激活函數(shù)作用 ? ? ? 3.3?激活函數(shù)有多種 4、神經(jīng)網(wǎng)絡(luò)模型 5、神經(jīng)網(wǎng)絡(luò)應(yīng)用 6、存在的問題及解決方案 6.1 存在問題 6.2 解決方案-反向傳播 ? ? ? ?神經(jīng)元是主要由 樹突、軸突、突出 組成， 樹突 是從上面接收很

  2024年02月16日

  瀏覽(27)
• 

  人工智能 -- 神經(jīng)網(wǎng)絡(luò)

  什么是人工智能？通俗來講，就是讓機(jī)器能像人一樣思考。這個無需解釋太多，因為通過各種科幻電影我們已經(jīng)對人工智能很熟悉了。大家現(xiàn)在感興趣的應(yīng)該是——如何實現(xiàn)人工智能？ 從1956年夏季首次提出“人工智能”這一術(shù)語開始，科學(xué)家們嘗試了各種方法來實現(xiàn)它。這

  2024年02月05日

  瀏覽(24)
• 

  人工智能-卷積神經(jīng)網(wǎng)絡(luò)

  ? ? ? ? 人和動物如何把看到的圖像轉(zhuǎn)化為大腦中的一個概念？ ? ? ? ? 我們知道計算機(jī)是把圖轉(zhuǎn)換為一大堆數(shù)字，通過訓(xùn)練可以知道這堆數(shù)字代表什么含義。但通過前面學(xué)過神經(jīng)網(wǎng)絡(luò)模型和梯度下降法的方法訓(xùn)練費時費力，而且一旦圖片進(jìn)行改變?nèi)缈s放、旋轉(zhuǎn)或其他變換，

  2024年02月16日

  瀏覽(23)

• 人工智能-線性神經(jīng)網(wǎng)絡(luò)

  線性神經(jīng)網(wǎng)絡(luò) 在介紹深度神經(jīng)網(wǎng)絡(luò)之前，我們需要了解神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)知識。 本章我們將介紹神經(jīng)網(wǎng)絡(luò)的整個訓(xùn)練過程， 包括：定義簡單的神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)處理、指定損失函數(shù)和如何訓(xùn)練模型。 為了更容易學(xué)習(xí)，我們將從經(jīng)典算法———— 線性 神經(jīng)網(wǎng)絡(luò)開始，介

  2024年02月06日

  瀏覽(19)