线性代数|机器学习-P34神经网络和学习函数

文章目录

  • [1. 神经网络](#1. 神经网络)
  • [2. 损失函数](#2. 损失函数)
  • [3. 距离矩阵](#3. 距离矩阵)

1. 神经网络

构建一个神经网络步骤如下:

    1. 构建一个神经网络
    1. 构造一个学习函数 F ( x , v ) F(x,v) F(x,v),x代表权重 A k , b k A_k,b_k Ak,bk,v代表样本特征向量,ReLu激活函数
      v 1 = R e L u [ F ( A 1 , b 1 , v 0 ) ] → v 1 = R e L u [ A 1 v 0 + b 1 ] \begin{equation} v_1=\mathrm{ReLu}[F(A_1,b_1,v_0)]\to v_1=\mathrm{ReLu}[A_1v_0+b_1]\ \end{equation} v1=ReLu[F(A1,b1,v0)]→v1=ReLu[A1v0+b1]
    1. 不断循环迭代上诉公式,构建神经网络
      v k = R e L u [ A k v k − 1 + b k ] \begin{equation} v_{k}=\mathrm{ReLu}[A_{k}v_{k-1}+b_{k}]\ \end{equation} vk=ReLu[Akvk−1+bk]
  • 神经网络图如下:

2. 损失函数

神经网络损失函数如下:
L ( x ) = { 1 N ∑ i = 1 N [ F ( x , x i ) − t r u e i ] 2 } \begin{equation} L(x)=\{\frac{1}{N}\sum_{i=1}^N[F(x,x_i)-true_i]^2\} \end{equation} L(x)={N1i=1∑N[F(x,xi)−truei]2}

  • 常见的损失函数如下:
    -- 最小平方损失函数
    -- L1范数损失函数
    -- 交叉熵损失函数
    -- Hinge损失函数

3. 距离矩阵

假设我们有两个点 x i , x j x_i,x_j xi,xj,用D表示点之间的距离如下:
d i j = ∣ ∣ x i − x j ∣ ∣ 2 2 \begin{equation} d_{ij}=||x_i-x_j||_2^2 \end{equation} dij=∣∣xi−xj∣∣22

  • 距离向量化分解:
    d i j = ∣ ∣ x i − x j ∣ ∣ 2 = ( x i − x j ) T ( x i − x j ) = x i T x i − x i T x j − x j T x i + x j T x j \begin{equation} d_{ij}=||x_i-x_j||^2=(x_i-x_j)^T(x_i-x_j)=x_i^Tx_i-x_i^Tx_j-x_j^Tx_i+x_j^Tx_j \end{equation} dij=∣∣xi−xj∣∣2=(xi−xj)T(xi−xj)=xiTxi−xiTxj−xjTxi+xjTxj
相关推荐
陈敬雷-充电了么-CEO兼CTO几秒前
DeepSeek vs ChatGPT 技术架构、成本与场景全解析
人工智能·chatgpt·架构
MarvinP6 分钟前
《Seq2Time: Sequential Knowledge Transfer for Video LLMTemporal Grounding》
人工智能·计算机视觉
AORO202535 分钟前
适合户外探险、物流、应急、工业,五款三防智能手机深度解析
网络·人工智能·5g·智能手机·制造·信息与通信
铉铉这波能秀1 小时前
如何在Android Studio中使用Gemini进行AI Coding
android·java·人工智能·ai·kotlin·app·android studio
rongqing20191 小时前
Google 智能体设计模式:探索与发现
人工智能·设计模式
黎燃2 小时前
两周以上天气可预报吗?——用 NVIDIA Earth-2 打开 AI 次季节预测新篇章
人工智能
源码师傅2 小时前
最新短视频AI智能营销询盘获客系统源码及搭建教程 源码开源可二次开发
人工智能·开源·短视频智能获客源码·获客询盘营销系统源码·获客系统源码·短视频智能营销获客系统
黎燃2 小时前
AI Agent 全景:从 LLM 到自主智能体系统的 7 层深度实践
人工智能
可触的未来,发芽的智生2 小时前
触摸未来2025.10.09:记忆的突围,从64个神经元到人工海马体神经网络
人工智能·python·神经网络·机器学习·架构
一个会的不多的人2 小时前
数字化转型:概念性名词浅谈(第七十二讲)
大数据·人工智能·制造·数字化转型