神经网络由之前的单层感知机到多层感知机,再到后来加入隐藏层后得到可以拟合一切的神经网络模型,而反向传播算法是整个神经网络的训练核心。
神经网络最典型的应用场景就是图像识别 ,其具体的应用场景包括高铁口进站的人脸识别、医学领域的医学影像进行自动化辅助判读,自动驾驶汽车对行车复杂环境下的目标识别。
神经网络最经典的案例就是手写数字识别项目**,其中MNIST数据集包括60000张手写的0~9数字图像,每张数字图像的像素为28×28,通过神经网络对数字图像进行特征提取,然后转化为数值向量进行分类器训练的方式,可以准确识别0~9这10个数字**。
感知机是神经网络和支持向量机的理论基础 ,感知机就是一个线性模型,旨在建立 一个线性分隔超平面对线性可分的数据集进行分类。
神经网络的核心在于基于反向传播的训练算法(前向计算和反向传播),链式求导法则是反向传播的核心操作。目前新型流行的架构包括:Transformer/RNN/CNN/DNN/GNN/NAS等。
神经网络构建及训练的过程:
网络结构-》参数初始化-》前向传播-》损失计算-》反向传播-》权重更新-》模块整合-》数据准备-》训练与预测-》可视化
单层感知机大体结构:
机器学习——神经网络、感知机
爱吃泡芙的小白白2025-03-25 17:17
相关推荐
martian6652 小时前
支持向量机(SVM)深度解析:从数学根基到工程实践FF-Studio3 小时前
【硬核数学 · LLM篇】3.1 Transformer之心:自注意力机制的线性代数解构《从零构建机器学习、深度学习到LLM的数学认知》贾全3 小时前
第十章:HIL-SERL 真实机器人训练实战GIS小天4 小时前
AI+预测3D新模型百十个定位预测+胆码预测+去和尾2025年7月4日第128弹我是小哪吒2.04 小时前
书籍推荐-《对抗机器学习:攻击面、防御机制与人工智能中的学习理论》慕婉03074 小时前
深度学习前置知识全面解析:从机器学习到深度学习的进阶之路蓝婷儿5 小时前
Python 机器学习核心入门与实战进阶 Day 2 - KNN(K-近邻算法)分类实战与调参IT古董7 小时前
【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(3)决策树回归模型(Decision Tree Regression)24毕业生从零开始学ai7 小时前
长短期记忆网络(LSTM):让神经网络拥有 “持久记忆力” 的神奇魔法中杯可乐多加冰8 小时前
【AI落地应用实战】AIGC赋能职场PPT汇报:从效率工具到辅助优化