1
这篇介绍神经网络是很详细的,有一步一步的推导公式!神经网络是DL(深度学习)的基础。
如果对神经网络已经有所了解,可以直接跳到“ 三、BP 算法的执行步骤“ 部分,算法框架清晰明了。
另外,如果对NN 很感兴趣,也可以参阅最后两篇参考博文,也很不错!
学习是神经网络一种最重要也最令人注目的特点。在神经网络的发展进程中, 学习算法的研究有着十分重要的地位。目前,人们所提出的神经网络模型都是和学习算法相应的。所以,有时人们并不去祈求对模型和算法进行严格的定义或区分。有的模型可以有多种算法. 而有的算法可能可用于多种模型。不过,有时人们也称算法为模型。
自从40 年代Hebb 提出的学习规则以来,人们相继提出了各种各样的学习算法。其中以在1986年Rumelhart 等提出的误差反向传播法, 即BP(error BackPropagation) 法影响最为广泛。直到今天,BP 算法仍然是自动控制上最重要、应用最多的有效算法。
神经网络的学习机理和机构
在神经网络中,对外部环境提供的模式样本进行学习训练,并能存储这种模式,则称为感知器;对外部环境有适应能力,能自动提取外部环境变化特征,则称为认知器。
神经网络在学习中, 一般分为有教师和无教师学习两种。感知器采用有教师信号进行学习, 而认知器则采用无教师信号学习的。在主要神经网络如BP 网络,Hopfield 网络,ART 网络和Kohonen网络中; BP 网络和Hopfield 网络是需要教师信号才能进行学习的;而ART 网络和Kohonen 网络则无需教师信号就可以学习。所谓教师信号, 就是在神经网络学习中由外部提供的模式样本信号。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !