feedforward network
发布日期:2022-02-24 11:36:00 浏览次数:7 分类:技术文章

本文共 396 字,大约阅读时间需要 1 分钟。

feedforward network

训练一个模型,其目的在于得出一个由x->y的映射,对于wx+b类型的线性模型,可以很好的拟合一些线性的数据。但是,当数据的结构变得复杂,线性模型不足以表达的时候,我们需要给x加上一个非线性的变换L(x),可以认为,L()给x提供了一种新的数据表示,或者是一种表述x的特征。

L的选择有一下几种方法:
1.选择无限维度的L,例如在线性函数中,n个点总可以被n-1个参数所表示。但是,这种表示方法,可以很好的拟合训练集,但是其泛化能力却不一定强
2.利用手工设计的特征,对于x进行提取,然后再映射到输出
3.选择正确的函数族,然后从这一大类函数中进行参数的学习,f(x;m,w)->y。其中L(x) =
1.选择模型
2.损失函数
3.输出单元的形式
4.隐藏单元的激活函数
5.网络的结构,深度,层与层如何链接,以什么形式去链接
6.基于梯度的算法

1.

转载地址:https://blog.csdn.net/ImposterSyntrome/article/details/82690007 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:python numpy.argsort 函数以及python numpy.random.choice函数
下一篇:MySQL

发表评论

最新留言

能坚持,总会有不一样的收获!
[***.219.124.196]2024年04月11日 04时01分17秒