吴恩达《神经网络和深度学习》课程笔记
为什么深层神经网络可以达到很好的效果？
可以这样理解深层神经网络的学习：如上图所示，神经网络比较浅的层学习到的是比较简单的特征，例如各个方向的边界。再往后面就是比较复杂的特征，例如各方向的边界组成了眼睛、鼻子等等。最后再由眼睛、鼻子等组成人脸。
（最后一张小图好像人面疫啊……【捂脸】）
也就是说，可以理解为前面层的简单特征，组成了后面层的复杂特征。
但是，有的时候较少的层也可以达到较好的效果。可以在交叉验证集上尝试不同层的效果差别。
更新一次参数的流程如下：
伪代码描述如下：
参数：W[1], b[1], W[2], b[2], ...
超参数：
超参数，即决定参数的参数。
这一周的内容比较少，等做了作业之后再补充~
吴恩达《神经网络和深度学习》课程笔记 1. 深层神经网络 为什么深层神经网络可以达到很好的效果？ 可以这样理解深层...
深层神经网络 什么是深层神经网络及其标记表示，如图 深层神经网络中的前向传播 类比浅层神经网络的计算，一级一级算过...
浅层、深层神经网络对比 深层神经网络符号定义： 表示神经网络的层数； 表示第层神经元个数； 表示第层神经元激活值；...
第四章：深层神经网络 * 4.1深度学习与深层神经网络 * 4.1.1线性模型的局限性 * 4.1.2激活...
1.深层神经网络 3.核对矩阵的维数 4.为什么使用深层表示 5.搭建深层神经网络块 6.前向和反向传播 7.参数...
0.概述 深层神经网络存在的问题(从当前层的输入的分布来分析)：在深层神经网络中，中间层的输入是上一层神经网络的输...
梯度下降公式，包括向量化 深层神经网络表示，注意一些参数的数值 深层神经网络的前向传播，注意右边矢量化的内容 某一...
1. 深层神经网络（Deep L-layer Neural network） 什么是深度神经网络呢？ 首先，我们之...
20181125 qzd 深度学习与深层神经网络 损失函数定义 神经网络优化 进一步优化
深度学习 有两个非常重要的特性：多层和非线性 非线性： 线性模型的输出结果为输入的加权和。线性模型的最大特点是任意...
本文标题：1-4 深层神经网络
本文链接：https://www.haomeiwen.com/subject/okgjcqtx.html
网友评论