學(xué)習(xí)筆記-機(jī)器學(xué)習(xí)-(5)神經(jīng)網(wǎng)絡(luò)

吳恩達(dá)-機(jī)器學(xué)習(xí)課程--08: Neural Networks的學(xué)習(xí)總結(jié):

復(fù)雜的非線性分類問題上,特征維數(shù)n非常大,邏輯回歸算法將不適用疾嗅。

使用簡單的邏輯單元模型模擬神經(jīng)元工作:

輸出hθ(x)= g((θ^Tx))豪嗽,在神經(jīng)網(wǎng)絡(luò)中θ被稱為權(quán)重weights

有時也畫出x0谴蔑,(x0=1)被稱為偏置單元(bias?unit)

神經(jīng)元模型

神經(jīng)網(wǎng)絡(luò)就是不同的神經(jīng)元組合在一起的集合:

神經(jīng)網(wǎng)絡(luò)模型

Layer1:輸入層 ??Layer2:隱藏層(可能多個) ? Layer3:輸出層 ?

隱層和輸出層節(jié)點的輸入和輸出之間具有函數(shù)關(guān)系,這個函數(shù)稱為激勵函數(shù)(activation function)龟梦,此處是s型函數(shù)(sigmoid function)作為激勵函數(shù)隐锭。?

x_{1}^2 表示第2層的第1個神經(jīng)元/激勵。 ? ? 激勵:由一個具體的神經(jīng)元讀入計算并輸出的值

計算假設(shè)函數(shù)輸出

?(j)?是一個控制 j 到 j+1 層函數(shù)映射的參數(shù)/權(quán)重矩陣计贰,?(j)?是一是一個[S_{j+1} XS_{j} +1]的矩陣

S_{j} 是j層的神經(jīng)元個數(shù)钦睡,S_{j+1} 是j+1層的神經(jīng)元個數(shù)

x0,a0是偏置單元(bias?unit)蹦玫,等于1赎婚,(圖中未畫出x0,a0)

矩陣?(1)樱溉、?(2)如下圖所示:

矩陣?(1) ??
矩陣?(2) ?

高效計算:

我們做如下定義:

z_{1}^2  = ?_{10}^1x0 + ?_{11}^1x1+ ?_{12}^1 x2+ ?_{13}^1x3挣输,那么


z^2=?^1x   a^2 = g(z^2 ), ? a^2=[ a_{1}^2 福贞,a_{2}^2 撩嚼,a_{3}^2]轉(zhuǎn)置

z^3= ?^2a^2  a^3 = h?(x)=g(z^3 )挖帘,這種從輸入層的激勵開始完丽,然后傳播給隱藏層計算,最終得出輸出層激勵的方式為拇舀,正向傳播(forward?propagation)?

舉例學(xué)習(xí)神經(jīng)網(wǎng)絡(luò):

例1:用神經(jīng)網(wǎng)絡(luò)擬合“與運算”“或運算”

x1逻族、x2取0或1,y為x1 AND x2 ?或?x1 OR x2 ?

假設(shè)-30,+20,+20是已經(jīng)訓(xùn)練好的模型中的參數(shù)

神經(jīng)網(wǎng)絡(luò)例1

依次帶入x1骄崩,x2的值預(yù)測函數(shù)給出的預(yù)測值正好和“與運算”的結(jié)果一致聘鳞”「ǎ“或運算”同理。

神經(jīng)網(wǎng)絡(luò)例1

例2:用神經(jīng)網(wǎng)絡(luò)擬合XNOR“同或門”抠璃,XNOR:(x1 AND x2)OR ?[(NOT x1 ) AND (NOT x2)]

神經(jīng)網(wǎng)絡(luò)擬合XNOR

a_{1}^2 即為 x1 AND x2的激勵結(jié)果站楚。還加上了偏置單元。

用神經(jīng)網(wǎng)絡(luò)做多類別分類:

假設(shè)有四個分類搏嗡,那么輸出層將有四個神經(jīng)元

多類別分類

期望輸出為下:

輸出
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末窿春,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子采盒,更是在濱河造成了極大的恐慌旧乞,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件磅氨,死亡現(xiàn)場離奇詭異良蛮,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)悍赢,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來货徙,“玉大人左权,你說我怎么就攤上這事〕占眨” “怎么了赏迟?”我有些...
    開封第一講書人閱讀 157,221評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長蠢棱。 經(jīng)常有香客問我锌杀,道長,這世上最難降的妖魔是什么泻仙? 我笑而不...
    開封第一講書人閱讀 56,474評論 1 283
  • 正文 為了忘掉前任糕再,我火速辦了婚禮,結(jié)果婚禮上玉转,老公的妹妹穿的比我還像新娘突想。我一直安慰自己,他們只是感情好究抓,可當(dāng)我...
    茶點故事閱讀 65,570評論 6 386
  • 文/花漫 我一把揭開白布猾担。 她就那樣靜靜地躺著,像睡著了一般刺下。 火紅的嫁衣襯著肌膚如雪绑嘹。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,816評論 1 290
  • 那天橘茉,我揣著相機(jī)與錄音工腋,去河邊找鬼姨丈。 笑死,一個胖子當(dāng)著我的面吹牛夷蚊,可吹牛的內(nèi)容都是我干的构挤。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼惕鼓,長吁一口氣:“原來是場噩夢啊……” “哼筋现!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起箱歧,我...
    開封第一講書人閱讀 37,718評論 0 266
  • 序言:老撾萬榮一對情侶失蹤矾飞,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后呀邢,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體洒沦,經(jīng)...
    沈念sama閱讀 44,176評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,511評論 2 327
  • 正文 我和宋清朗相戀三年价淌,在試婚紗的時候發(fā)現(xiàn)自己被綠了申眼。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,646評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡蝉衣,死狀恐怖括尸,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情病毡,我是刑警寧澤濒翻,帶...
    沈念sama閱讀 34,322評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站啦膜,受9級特大地震影響有送,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜僧家,卻給世界環(huán)境...
    茶點故事閱讀 39,934評論 3 313
  • 文/蒙蒙 一雀摘、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧八拱,春花似錦届宠、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至灯萍,卻和暖如春轧铁,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背旦棉。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評論 1 266
  • 我被黑心中介騙來泰國打工齿风, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留药薯,地道東北人。 一個月前我還...
    沈念sama閱讀 46,358評論 2 360
  • 正文 我出身青樓救斑,卻偏偏與公主長得像童本,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子脸候,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,514評論 2 348