机器学习——神经网络、感知机

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:

相关推荐
葡萄与www31 分钟前
模块化神经网络
人工智能·深度学习·神经网络·机器学习
colus_SEU1 小时前
【循环神经网络3】门控循环单元GRU详解
人工智能·rnn·深度学习·机器学习·gru
盼小辉丶1 小时前
PyTorch实战(8)——图像描述生成
pytorch·深度学习·神经网络
Juicedata1 小时前
九识智能:基于 JuiceFS 的自动驾驶多云亿级文件存储
人工智能·机器学习·自动驾驶
平和男人杨争争1 小时前
情绪识别论文阅读——EMO
论文阅读·人工智能·机器学习
河北北重机械9663 小时前
汽车安全性能测试与铸铁底座的重要性
人工智能·算法·机器学习·铸铁底座·铁底座装配·试验台基底座加工
victory04314 小时前
BriLLM: Brain-inspired Large Language Model 文章评论
人工智能·机器学习·语言模型
糖葫芦君6 小时前
17-Language Modeling with Gated Convolutional Networks
深度学习·机器学习·语言模型
蒜鸟~蒜鸟~6 小时前
PyTorch 神经网络工具箱全解析:从核心组件到模型实战
pytorch·神经网络
火山引擎边缘云7 小时前
字节跳动多媒体实验室联合ISCAS举办第五届神经网络视频编码竞赛
人工智能·深度学习·神经网络