I. Введение:
1. отделение машинного обучения искусственных нейронных сетей (искусственные нейронные сети, ИНС) на основе
Во- вторых, машина обучения отличия:
1. Машина обучения вручную автоматического извлечения признаков извлечения признаков глубины исследования
2. Изучение машины, данные меньше, относительное исследование неэффективную глубины, данные из нескольких, относительно лучше
В- третьих, искусственные нейронные сети:
1. (искусственные нейронные сети, ANN) математическая модель для имитации структуры и функции биологических нейронных сетей (центр мозга) используется для решения задачи аппроксимации функций или оценок пробуждается лучше
IV нейроны:
1. Основная нейронная сеть, соединены друг с другом с образованием нейронной сети
2. T = F (W ^ ТА + Ь)
В-пятых, однослойная нейронная сеть:
В-шестых, Perceptron:
Семь, многослойная нейронная сеть:
Восемь, функция активации:
1. Роли: увеличить мощность , чтобы улучшить устойчивость нелинейной модели сегментации (робастность установить другую волну емкости данных) , чтобы облегчить проблему исчезает градиент ускорения сходимости модели (модели поезда быстрее) и т.д.
2. Пример: перцептрон Добавьте половину неполной активации функции полупрямой делает прямой линию повышение точности различения кланяясь (пример может быть понят)
Другое:
Linear состояние: