五、 神经网络
1. 神经网络是有拥有适应性的简单单元组成的广泛并行互联的网络,他的组织能够摹拟生物神经系统对真实世界物体所做出的交互反映。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
神经元模型是一个神经元与其他相连,当它兴奋时,他会向相邻的神经元发射带有权重的信号;单个神经元接管的的总信号超越阈值则会被激活,依此类推。它拥有嵌套、迭代的特性。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
2. 感知机与多层网络文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
感知机:运用机器学习的办法训练得到权重及阈值;若训练样例结果与实际结果相同,则不调剂;若结果不同则通过一个小的学习率参数微调其权重与阈值,再次验证,直至得到结果。本色是迭代-验证的循环。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
单层网络的感知机至关于在平面坐标系找到一条线将正例反例分开;这不合用于大多数场景,因而需要把网络进级为多层。多层前馈网络包括隐层、且拓扑上不存在环与回路。训练多层网络,也是计算每一一层神经元的权重与阈值。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
3. 误差逆传布算法文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
进行微分,通过微分结果取得梯度项,带入函数更新权重与阈值。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
按此流程逐渐迭代,直至找到最优解。这里面每一次迭代的单位即为学习率为了避免目标函数的局部极小,通常策略有三种:a. 多组不同的参数同时开始训练,从当选择最相符的结果;b. 退火法:进一大步退一小步,转圈多迭代,以跳过局部极小;c. 在计算梯度时加入随机因素,增添迭代次数跳出局部极小。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
4. 深度学习文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
无监督逐层学习每一次训练一层隐节点,训练时将上一层隐节点的输出作为输入,以此迭代,此为预训练。以后再微调训练。文章源自微观生活(93wg.com)微观生活-https://93wg.com/4740.html
此预训练+微调的做法可以理解为将参数按层分组,寻觅局部最优解在联合调优,得到结果。
深度学习的本色是把输入信号逐层加工,把与输出目标关系较小的输入逐渐转化为关系亲密的显示。把低层特征转化为高层特征,再用简单模型完成份类学习。
5. 神经网络&深度学习本色是用统计学的办法,通过特定算法,把大量数据逐层迭代调优,最后取得完全数据模型。它依赖于大量数据与运算能力。其特征的设计需要人为介入,且各项参数可能并无特定的数学意义,只有统计学的验证。——这以及语义模型的算法相似,统计可能比定义更有用。
前文链接:
《机器学习-西瓜书》读书笔记(一)
https://www.toutiao.com/i6687574814942560776/
《机器学习-西瓜书》读书笔记(二)
https://www.toutiao.com/i6688311024719757831/
《机器学习-西瓜书》读书笔记(三)
https://www.toutiao.com/i6688684117099282955/
以上就是微观生活(93wg.com)关于“《机器学习-西瓜书》读书笔记(四)-神经网络”的详细内容,希望对大家有所帮助!
评论