本章節闡述了神經網路的基本概念
5.1 神經元模型
mp神經元模型，啟用函式
5.2 感知機與多層網路
單層網路，多層網路（包含隱層）
5.3 誤差逆傳播演算法（bp）
這一部分講的是如何使用bp演算法來調整引數（閾值，權值）
5.4 全域性最小與區域性最小
當可能面對多個區域性最小時，使用模擬退火，多初始值等方法來避免此種情況
5.5 其他常見的神經網路
rbf網路，art網路（競爭網路），som網路（競爭網路），級聯相關網路，elman網路（遞迴網路），boltzmann機（全聯通遞迴網路）
5.6 深度學習
cnn卷積神經網路
這一章節講的比較淺顯，重點可以研究一下cnn，這一部分書中講的很粗略。
《機器學習》筆記 神經網路
輸入 乙個實數值向量 x1,xn 輸出 o x sgn w x 其中 向量w w0,w1,wn 是要求的引數，向量x x0,x1,xn x0 1 是輸入 函式o x1,xn 實際上是求 x1,xn 的線性組合是否大於閾值 w0，從幾何上看即是在決策面的哪一側 假設空間 h 學習乙個感知器意味著從空間...
機器學習筆記22 神經網路 卷積神經網路
參考資料 面向機器智慧型的tensorflow實踐 keras example mnist cnn.py keras中文文件 常用層卷積層 卷積理解就是之前影象處理裡用作檢測邊緣 檢測角點的運算元，例如 輸入 12 34 begin 1 2 3 4 end 13 24 核 2 begin 2 end...
機器學習筆記（二） 神經網路
神將網路在解決多分類問題時效果比logistics回歸的效果要好，作為現在最流行的機器學習演算法，我們首先來簡單了解一下 和我們人的神經組成一樣，神將網路也是由神經元組成，先來介紹最普遍的mp神經元。在生物的神經網路中，假設一些神經元處於興奮狀態，那麼這些神經元就會向與之相連線的神經元傳送化學物質，...