机器学习教程之6-神经网络的学习(Neural Networks:Learning)
2017-05-23 09:48
351 查看
1.代价函数
注意:由红色圆圈可知,这里的代价函数实际上输出的各个元素的代价函数之和。
2.反向传播算法
为了求得代价函数的最小值,需要计算代价函数的偏导数,这时需要反向传播算法。首先用正向传播方法计算出每一层的激活单元,利用训练集的结果与神经网络预测的结果求出最后一层的误差,然后利用该误差运用反向传播法计算出直至第二层的所有误差。
3.反向传播算法的直观理解
4.实现注意:展开参数
5.梯度校验
6.随机初始化
7.综合起来
小结一下使用神经网络时的步骤:网络结构:第一件要做的事是选择网络结构,即决定选择多少层以及决定每层分别有多少个单元。
第一层的单元数即我们训练集的特征数量。
最后一层的单元数是我们训练集的结果的类的数量。
如果隐藏层数大于 1,确保每个隐藏层的单元个数相同,通常情况下隐藏层单元的个数越多越好。
我们真正要决定的是隐藏层的层数和每个中间层的单元数。
训练神经网络:
1. 参数的随机初始化
2. 利用正向传播方法计算所有的 hθ(x)
3. 编写计算代价函数 J 的代码
4. 利用反向传播方法计算所有偏导数
5. 利用数值检验方法检验这些偏导数
6. 使用优化算法来最小化代价函数
8.自主驾驶
相关文章推荐
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- 今天开始学习模式识别与机器学习Pattern Recognition and Machine Learning (PRML),章节5.1,Neural Networks神经网络-前向网络。
- 斯坦福大学机器学习“神经网络的学习(Neural Networks: Learning)”
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- 笔记: 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
- Andrew NG 机器学习 笔记-week5-神经网络的学习(Neural Networks:Learning)
- 机器学习笔记(五)----神经网络的学习(Neural Networks: Learning)
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- Stanford机器学习---第5讲. 神经网络的学习 Neural Networks learning
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- Stanford机器学习---神经网络的学习 Neural Networks learning
- Coursera公开课笔记: 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
- Coursera公开课笔记: 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
- 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
- Coursera deeplearning.ai 深度学习笔记1-3-Shallow Neural Networks-浅层神经网络原理推导与代码实现
- Andrew NG机器学习课程笔记系列之——机器学习之神经网络模型-下(Neural Networks: Representation)
- Ng第九课:神经网络的学习(Neural Networks: Learning)