首页 > 其他 > 详细

吴恩达机器学习_62非线性假设/63神经元与大脑/64、65模型展示/68、70例子与直觉理解

时间:2019-10-10 10:18:31      阅读:145      评论:0      收藏:0      [点我收藏+]

一、使用logistic回归来进行车辆的识别

给一张灰度值的照片(50*50=2500像素),则二次特征值将会有约300万个,此时若使用logistic回归进行预测,计算量会很大。

技术分享图片

 

 

二、神经网络算法

神经网络算法的出现是为了模拟大脑,下图为单一神经元的示意:

技术分享图片

 

 激活函数=非线性函数g(z)

θ为模型的参数,有时也称为权重

神经网络就是一组神经元连接在一起的集合,如下图:

技术分享图片

 

 其中,技术分享图片是第j层第i个神经元的激活项,激活项是指由一个具体神经元计算并输出的值

 

技术分享图片是指从j层到j+1层的权重控制矩阵

 

 上图中有三个输入单元映射到三个隐藏单元的参数矩阵θ

技术分享图片

 

 一个简单的例子(逻辑与的计算):

技术分享图片

 

 

 激活函数g(z):

 技术分享图片

 

 

 运算结果(当且仅当x_1和x_2都为1时,输出为1):

技术分享图片

 

略微复杂的例子(同或用神经网络进行表示):

技术分享图片

 

  

三、 神经网络的多元分类

识别图片中的行人、小汽车、摩托车、卡车,用四个四维向量来分别对应四种类别,[1 0 0 0],[0 1 0 0],[0 0 1 0],[0 0 0 1],表示为(x_(i),y_(i)),其中x_(i)为输入的图片,y_(i)为四维向量,我们要让输出值技术分享图片

 

 

  

吴恩达机器学习_62非线性假设/63神经元与大脑/64、65模型展示/68、70例子与直觉理解

原文:https://www.cnblogs.com/vzyk/p/11644789.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!