神经元模型
上述定义的简单单元即为神经元模型。
多层网络
误差逆传播算法
- 标准BP算法：参数更新非常频繁，可能出现抵消现象。
- 积累BP算法：下降到一定程度上，进行下一步会非常缓慢。
过拟合
- 早停：划分训练集和验证集，若训练集误差降低而验证集升高则停止训练。
- 正则化：在误差目标函数中加入一个用于描述网络复杂度的部分， E = λ 1 m ∑ k = 1 m E k + ( 1 − λ ) ∑ i w i 2 E=\lambda\frac{1}{m}\sum_{k=1}^mE_k+(1-\lambda)\sum_iw_i^2 E=λm1∑k=1mEk+(1−λ)∑iwi2
全局最小与局部极小
- 局部极小解：是参数空间的某个点，其邻域点的误差函数值均不小于该点的误差函数值，可能存在多个。
- 全局极小解：是指参数空间中所有点的误差函数值均不小于该点的误差函数值，只存在一个。
如何跳出局部极小值点？
- 以多组不同参数值初始化多个神经网络，取误差最小的解。
- 使用模拟退火，在每一步都有一定概率接受比当前解更差的算法。
- 使用随机梯度下，即便陷入局部极小点，它计算出来的梯度仍然可能不为0。
