神经网络与深度学习第4章：前馈神经网络阅读提问

2024-05-11 00:13:56

1.神经网络的主要特性是什么？

2.为什么要有激活函数？激活函数需要具备什么特点？

3.logistic函数和Tanh函数的异同点？

4.ReLU函数为什么能被广泛应用，它有什么优缺点？

5.根据通用近似定理，前馈神经网络能拟合任意函数，什么导致它达不到理想效果？

6.什么是特征抽取

7.推导一下MLP的反向传播

8.为什么会出现梯度消失和梯度爆炸？如何减轻？

神经网络与深度学习第4章：前馈神经网络阅读提问相关推荐

[2022-10-06]神经网络与深度学习第3章-前馈神经网络(part2)
contents 前馈神经网络(part 2) 写在开头自动梯度计算 torch中自动梯度的封装简介过程内容对比模型简化直接创建利用预定义算子重新实现前馈神经网络使用pytorch预定 ...
[2022-10-13]神经网络与深度学习第3章-前馈神经网络(part3)
contents 前馈神经网络(part 3) 写在开头鸢尾花数据集介绍 Iris数据集背景和内容 Iris数据集数据 Iris数据集使用 PCA降维呈现数据选取前两个特征绘制实践:基于前馈神经 ...
神经网络与深度学习（五）前馈神经网络（2）自动梯度计算和优化问题
注:本次使用的数据集依旧是前两章的Moon1000数据集 from nndl.dataset import make_moons [详细代码见神经网络与深度学习(五)前馈神经网络(1)--二分类任 ...
神经网络与深度学习（五）前馈神经网络（3）鸢尾花分类
目录 4.5实践:基于前馈神经网络完成鸢尾花分类深入研究鸢尾花数据集 4.5.1 小批量梯度下降法 4.5.1.1 数据分组 4.5.2 数据处理 4.5.2.2 用DataLoader进行封装 4 ...
[翻译] 神经网络与深度学习第三章提升神经网络学习的效果 - Chapter 3 Improving the way neural networks learn
目录: 首页译序关于本书关于习题和难题第一章利用神经网络识别手写数字第二章反向传播算法是如何工作的 > 第三章提升神经网络学习的效果第四章可视化地证明神经网络可以计算任何函数 ...
【神经网络与深度学习】第一章使用神经网络来识别手写数字
人类的视觉系统,是大自然的奇迹之一. 来看看下面一串手写的数字: 大多数人可以毫不费力地认出这些数字是504192.这种轻松是欺骗性的,我们觉得很轻松的一瞬,其实背后过程非常复杂. 在我们大脑的每个半 ...
花书+吴恩达深度学习（一）前馈神经网络（多层感知机 MLP）
目录 0. 前言 1. 每一个神经元的组成 2. 梯度下降改善线性参数 3. 非线性激活函数 4. 输出单元 4.1. 线性单元 4.2. sigmoid 单元 4.3. softmax 单元 5. ...
[翻译] 神经网络与深度学习第六章深度学习 - Chapter 6 Deep learning
目录: 首页译序关于本书关于习题和难题第一章利用神经网络识别手写数字第二章反向传播算法是如何工作的第三章提升神经网络学习的效果第四章可视化地证明神经网络可以计算任何函数第五章 ...
邱锡鹏《神经网络与深度学习》第一章绪论
目录 1.1 人工智能 1.1.1 人工智能的发展历史 1.1.2 人工智能的流派 1.2 人工神经网络 1.3 机器学习 1.4 表示学习 1.4.1 局部表示和分布式表示 1.4.2 表示学习 1 ...
[2022-09-20]神经网络与深度学习第2章-simple classification
contents classification 写在开头 Logistic 回归数据集构建 DatasetGenerator类数据生成和可视化模型构建损失函数模型优化评价指标完善Runn ...

最新文章

热门文章