计算机视觉————-神经网络和深度学习

首页 » 算法 » 正文

神经网络:

神经元:每个神经元都是结构相似的独立单元,他接受前一层传来的数据,并将这些数据加权并输入非线性作用函数中,再把输出结果传递给下一层

激活函数:sigmoid函数,将值映射再0到1中

前馈网络:整个网络中没有反馈,接受前一层的输出,并且输入到下一层

梯度下降:选定一个梯度下降的方向,设定学习率,迭代,将目标函数的值减小

误差传播迭代公式:

权重增量=-1*学习步长*目标函数对权重的偏导数

目标函数对权重的偏导数=-1*残差*当前层的输入

残差=当前层激励函数的导数*上层反传来的误差

上层反传来的误差=上层残差的加权和

机器学习步骤:

1.通过传感器获的数据

2.预处理,特征提取,特征选择,推理,预测识别

深度学习:

一种基于无监督特征学习和特征层级结构的学习模型

 

未经允许不得转载:作者:1146-陶同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《计算机视觉————-神经网络和深度学习》 发布于2020-07-30

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录