第二課-傳統(tǒng)神經(jīng)網(wǎng)絡(luò)_第1頁(yè)
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡(luò)_第2頁(yè)
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡(luò)_第3頁(yè)
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡(luò)_第4頁(yè)
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡(luò)_第5頁(yè)
已閱讀5頁(yè)，還剩30頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

本課件包括：演示文稿，示例，代碼，題庫(kù)，和聲音等，小象學(xué)院擁有完全知識(shí)的權(quán)利；只限于善意散播。任何其他人或機(jī)構(gòu)不得盜版、 結(jié)

1.神經(jīng)網(wǎng) 2.3.4.

1.2.3.掌握“配件”對(duì)神經(jīng)網(wǎng)絡(luò)性能的影響，會(huì)

1.神經(jīng)網(wǎng) ：線性回2.3.4.

概念:線性關(guān)系來(lái)描述輸入到輸出的

數(shù)據(jù)：[(x1,1,x2,1,x3,1(x1,2,x2,2,x3,2目標(biāo)：minimize(?t-yt)

當(dāng)前m0=[

梯度下降：梯度計(jì)Δm=[x1,t,x2,t,梯度下降：參數(shù)更新m:=m-

y

w

1.神經(jīng)網(wǎng) 3.4.

yy

1

ReLU(Rectifiedlinear

1.神經(jīng)網(wǎng) 2.4.

神經(jīng)網(wǎng)絡(luò)求導(dǎo)－TensorFlow實(shí)var=tf.Variable(...)loss=some_function_of(var,data)var_grad=tf.gradients(loss,[var])sess=var_grad_val=sess.run(var_grad,feed_dict={data:

見(jiàn):course_2_tf_nn.py 1.神經(jīng)網(wǎng) 2.3.

Loss影響 [0.024,0.064,0.175,0.475,0.024,0.064,

CrossW.Li,F.Abtahi,Z.Zhu,ActionUnitDetectionwithRegionAdaptation,Multi-labelingLearningandOptimalTemporalFusing.CVPR2017.

b.合并多個(gè)

2.學(xué)習(xí)率Learning

2.Learning

3.

4.過(guò)擬合

［面試題］Dropout，Pooling

w:=w-

4

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論