目录
这周仔细学了一下神经网络,主要是反向传播算法。
第五章 神经网络
1.Cost function
代价函数用来衡量假设函数的准确性。
形式如下:
神经网络的目的是通过学习,令代价函数的值尽可能小。常用的方法有梯度下降等优化方法。梯度下降可以通过学习获得极小值,来获得较为可靠的模型。
2.Backpropagation algorithm
3.Backpropogation intuition
4.Gradient checking
运用数值方法检测反向传播是否有错误。
过程如下:
5.Random initialization
初始的权重需要随机,因为相同的权重值无法进行学习。
6.Putting it together
使用神经网络进行学习的主要流程如下:
这周理解了神经网络的思想,然后推导了一些公式,接下来打算编程实现一下功能。