感知器

感知器是最简单的神经网络结构，其不包含隐含层：

数学的简单表单为：
[x0x1x2x3]→[a1(2)]→hθ(x)\left[\begin{matrix} x_0\\x_1\\x_2\\x_3 \end{matrix}\right]\rightarrow\left[a_1^{(2)}\right]\rightarrow h_\theta(x)⎣⎢⎢⎡x0x1x2x3⎦⎥⎥⎤→[a1(2)]→hθ(x)

其输出为：

hθ(x)=a1(2)=Θ(1)a(1)=Θ(1)xh_\theta(x)=a_1(2)=\Theta^{(1)}a^{(1)}=\Theta^{(1)}xhθ(x)=a1(2)=Θ(1)a(1)=Θ(1)x

这个预测函数是不是和之前学习的回归问题类似，实际上回归问题算是感知器的非网络表达形式。

3.7 感知器-机器学习笔记-斯坦福吴恩达教授相关推荐

0.0 Introduction-机器学习笔记-斯坦福吴恩达教授
斯坦福学习笔记本书为斯坦福吴恩达教授的在 coursera 上的机器学习公开课的知识笔记,涵盖了大部分课上涉及到的知识点和内容,因为篇幅有限,部分公式的推导没有记录在案,但推荐大家还是在草稿本上演算 ...
4.4 机器学习系统设计--垃圾邮件分类-机器学习笔记-斯坦福吴恩达教授
机器学习系统设计–垃圾邮件分类假定我们现有一封邮件,其内容如下: From: cheapsales@buystufffromme.com To: ang@cs.stanford.edu Subjec ...
3.11 程序示例--逻辑运算-机器学习笔记-斯坦福吴恩达教授
程序示例–逻辑运算我们使用感知器神经网络来描述逻辑AND运算: 代码: # coding: utf-8 # neural_network/test_logic_and.py "" ...
3.10 程序示例--神经网络设计-机器学习笔记-斯坦福吴恩达教授
神经网络设计在神经网络的结构设计方面,往往遵循如下要点: 输入层的单元数等于样本特征数. 输出层的单元数等于分类的类型数. 每个隐层的单元数通常是越多分类精度越高,但是也会带来计算性能的下降,因此, ...
3.8 神经网络解决逻辑运算问题-机器学习笔记-斯坦福吴恩达教授
神经网络解决逻辑运算问题神经网络通过不同的架构设置,来完成不同的任务,比如我们看到一半的逻辑与运算: x1ANDx2={1ifx1=1andx2=10otherwisex_1\ AND\ x_2=\ ...
3.12 程序示例--多分类问题-机器学习笔记-斯坦福吴恩达教授
多分类问题我们手上包含有手写字符的数据集,该数据集来自斯坦福机器学习的课后作业,每个字符图片大小为 20×20 ,总的样本规模为 5000×400 , 我们的神经网络设计如下,包含 1 个隐含层,隐 ...
1.3 程序示例--梯度下降-机器学习笔记-斯坦福吴恩达教授
回归模块回归模块中提供了批量梯度下降和随机梯度下降两种学习策略来训练模型: # coding: utf-8 # linear_regression/regression.py import nump ...
10.1 掌握大数据-机器学习笔记-斯坦福吴恩达教授
掌握大数据在算法分析与优化一节中,我们就提到,在机器学习界流传着这样一句话: It's not who has the best algorithm that wins. It's who has ...
9.1 基于内容的推荐系统-机器学习笔记-斯坦福吴恩达教授
基于内容的推荐系统推荐系统是机器学习最重要的应用之一,你所知道的淘宝.亚马逊.facebook.豆瓣这些网站都把推荐系统作为了核心.在某个电影资讯的网站,有那么一份用户对于电影的打分(1 - 5 分 ...

3.7 感知器-机器学习笔记-斯坦福吴恩达教授

感知器

3.7 感知器-机器学习笔记-斯坦福吴恩达教授相关推荐

最新文章

热门文章