漫谈机器学习经典算法—人工神经网络
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了漫谈机器学习经典算法—人工神经网络,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含3088字,纯文字阅读大概需要5分钟。
内容图文
注:整理自向世明老师的PPT
内容提要
1 发展历史
2 前馈网络(单层感知器,多层感知器。径向基函数网络RBF)
3 反馈网络(Hopfield网络。联想存储网络,SOM。Boltzman及受限的玻尔兹曼机RBM,DBN,CNN)
发展历史
单层感知器
1 基本模型
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
2 假设激励函数是线性的话。可用最小二乘直接计算
p>
content=#' title='' ref='nofollow'>
3 假设激励函数是sifmoid function,可迭代更新(一次性或者逐样本更新)
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
上式仅仅做了简单的求导展开。非常easy推导
p>
resizeSmall&width=832" />
多层感知器
1 基本模型
2 举例(含有一个隐含层的多层感知器MLP)
模型:
p>
content=#' title='' ref='nofollow'>
y=h(v)=h(h(u))
求解:
p>
content=#' title='' ref='nofollow'>
这里怎么转换到6k(xi)的?
然后分别对两个层的权值求导:
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
然后更新就可以,反向传播(BP)
p>
resizeSmall&width=832" />
3 经验
p>
content=#' title='' ref='nofollow'>
4 优缺点
p>
content=#' title='' ref='nofollow'>
RBF神经网络
1 模型
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
2 求解
3 长处和视角
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
深度学习简单介绍
1 前向神经网络
p>
content=#' title='' ref='nofollow'>
2 发展历程
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
3 总体一览
p>
resizeSmall&width=832" />
4 一些值得关注
学术
工业
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
Belief Network & Hopfield Network & Boltzman机 & RBM 结构一瞥
1 Belief Network
p>
content=#' title='' ref='nofollow'>
2 Hopfield Network
3 Boltzman机
p>
resizeSmall&width=832" />
4 RBM 受限的玻尔兹曼机
RBM
1 模型
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
利用上图中公式。能够得到
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
2 求解 CD算法
p>
content=#' title='' ref='nofollow'>
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
DBN
1 模型
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
2 训练
面向特征提取
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
面向分类
p>
resizeSmall&width=832" />
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
DBM
模型
CNN
1 模型
p>
resizeSmall&width=832" />
2 训练
p>
resizeSmall&width=832" />
p>
resizeSmall&width=832" />
參考文献
p>
content=#' title='' ref='nofollow'>
p>
content=#' title='' ref='nofollow'>
原文:http://www.cnblogs.com/zhchoutai/p/7109838.html
内容总结
以上是互联网集市为您收集整理的漫谈机器学习经典算法—人工神经网络全部内容,希望文章能够帮你解决漫谈机器学习经典算法—人工神经网络所遇到的程序开发问题。
如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
来源:【匿名】