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
代码AI弗森1 小时前
从 IDE 到 CLI:AI 编程代理工具全景与落地指南(附对比矩阵与脚本化示例)
ide·人工智能·矩阵
xchenhao2 小时前
SciKit-Learn 全面分析分类任务 breast_cancer 数据集
python·机器学习·分类·数据集·scikit-learn·svm
007tg4 小时前
从ChatGPT家长控制功能看AI合规与技术应对策略
人工智能·chatgpt·企业数据安全
Memene摸鱼日报4 小时前
「Memene 摸鱼日报 2025.9.11」腾讯推出命令行编程工具 CodeBuddy Code, ChatGPT 开发者模式迎来 MCP 全面支持
人工智能·chatgpt·agi
linjoe994 小时前
【Deep Learning】Ubuntu配置深度学习环境
人工智能·深度学习·ubuntu
先做个垃圾出来………5 小时前
残差连接的概念与作用
人工智能·算法·机器学习·语言模型·自然语言处理
AI小书房6 小时前
【人工智能通识专栏】第十三讲:图像处理
人工智能
fanstuck6 小时前
基于大模型的个性化推荐系统实现探索与应用
大数据·人工智能·语言模型·数据挖掘
多看书少吃饭7 小时前
基于 OpenCV 的眼球识别算法以及青光眼算法识别
人工智能·opencv·计算机视觉