《机器学习与优化》之神经网络:多层感知器09

大自然是大师中的大师,除非从他那里获得灵感,否则其他都是徒劳无益。--达芬奇
神经网络是深度学习模型中非常重要的基础,对于神经网络的深入理解有助于提高自己对于深度学习的认识。
多层感知器神经网络(MLP)是一种灵活的(非参数)建模架构,由S型单元的层组成,仅相邻层之间以前馈方式相互连接起来。识别你的祖母出现在图像中的概率的单元。可以用我们的神经硬件(毫无疑问地)建模成一个MLP网络。人们可以通过梯度下降的变形从已标记的实例中进行有效的培训,这一方法通常称作为“误差反向传播”。作为优化方法,梯度下降的弱点并不会影响实际的效果。
人类学习和机器学习模式之间的确有这惊人的相似之处,尤其注意一点,在训练过程中越努力,提高泛化能力方面所得到的汇报就越多,一个严厉的老师(在黑板上写多样化的测试题,要求你记笔记,而不是提供预习材料)可能在训练中使得你痛苦,但会增强你日后人生中的精神力量。德国哲学家黑格尔在定义哲学的作用时使用了术语Anstrengung deBegriffs(定义概念所做的努力)。
#机器学习##读书笔记#
全部评论

相关推荐

点赞 评论 收藏
转发
点赞 收藏 评论
分享
牛客网
牛客企业服务