QQ:3020889729 小蔡
線性可分與線性不可分問題
線性可分問題
線性不可分問題
step激活函數
對應一般表達式: 即,輸入對應的輸出要麼是0,要麼是1。
sigmoid激活函數
sigmoid激活函數 |
---|
() |
越大,的值越接近1。
誤差修正學習法
概念:
將輸入對應的實際輸出於期望輸出進行比較,計算誤差,進而調整權重和閾值。
方法基本表示如下:
修正參數 | 表達形式 |
---|---|
權重 | |
閾值 | |
確定連接權重調整值的參數(修正率或者學習率) |
運行方式講解:(①實際輸出與期望輸出不相等的情況與②相等的情況兩種運行方式)
- 當=時,和均不變。
- 當!=時,和發生如下變化:
未激活狀態:=0, =1
參數 | 趨勢 |
---|---|
減小 | |
=1的連接權重 | 增大 |
=0的連接權重 | 不變 |
激活過度狀態:=1, =0
參數 | 趨勢 |
---|---|
增大 | |
=1的連接權重 | 減小 |
=0的連接權重 | 不變 |
誤差反向傳播算法
梯度下降法(最值下降)
在誤差反向傳播算法中,採用梯度下降算法來實現權重的調整——即。
概念:
該算法通過求解當前的梯度(偏導),得到當前最大變化率(理解成曲線的最大斜率也可以)。然後根據所求的梯度值,來調整權重——。
誤差反向傳播算法簡提
簡單講一下,該算法的思路——具體的算法過程後期整理後補上。
誤差反向傳播算法起始於多層感知機,後來被用到卷積神經網絡等多層網絡結構中——所以在這個算法過程中,誤差很重要。誤差在最後的輸出層計算得出(一般採用最小二乘法求誤差),然後反過來往下傳遞,進行相關參數(,)修正。
補充:
由輸出層往下傳遞誤差E時,計算的權重變化值存在以下情況:
下一層的權重計算會受到上一層權重變化值影響。