卯卯 | 炼就一手绝世刀法！
日出东海落西山，愁也一天，喜也一天。遇事不钻牛角尖，人也舒坦，心也舒坦！
2018-08-05 10:53:50
神经网络数学基础——最优化问题，损失函数要最小和梯度下降（导数小于0）关系——对于求最小值问题——求导，领导数为0，来求最小值
最优化问题，损失函数要最小——对于求最小值问题——求导，领导数为0，来求最小值。——这个过程是一个梯度（斜率）不但下降的一个过程，因为那个最小值一般是求不出来的，只能无限的趋近最小的那个值，也就是损失函数最小。
作者:yangli | 分类:算法 | 浏览:978 | 评论:0
2018-08-05 10:49:51
神经网络基础——SVM损失函数与softmax损失函数的区别（softmax分类器是一个不知道满足的分类器）
作者:yangli | 分类:算法 | 浏览:812 | 评论:0
2018-08-05 10:15:39
分类表示——将神经网络通过wx+b得到的得分值通过sigmoid函数映射成一个概率值（注：此时的的损失函数已经不再是SVM损失函数了，而是-log（为正确类别的那个概率值）外加正则化惩罚项）
WX+B的得分值——映射成概率值
作者:yangli | 分类:算法 | 浏览:904 | 评论:0
2018-08-04 21:22:21
深度学习的数学基础——解决的几个问题：1，深度学习要干什么，训练权重参数（W）。2，损失函数（修正W），3，正则化惩罚项，使W更均匀，不偏颇
损失函数：上述的结果易产生过拟合——什么是过拟合，就在训练数据集上表现很好，但是在测试数据集上表现很差。那我们怎么避免A模型W的出现呢？——加入正则化惩罚项。正则化惩罚项是专门来惩罚W权重矩阵的。
作者:yangli | 分类:算法 | 浏览:729 | 评论:0
- 控制面板
- 网站分类
- 搜索
- 文章归档
-
- 2023年4月 (1)
- 2022年12月 (6)
- 2022年11月 (2)
- 2022年10月 (4)
- 2022年9月 (1)
- 2022年8月 (1)
- 2022年7月 (2)
- 2022年4月 (1)
- 2022年3月 (4)
- 2021年5月 (1)
- 2021年3月 (1)
- 2020年10月 (1)
- 2020年9月 (11)
- 2020年8月 (1)
- 2020年7月 (2)
- 2020年5月 (4)
- 2020年4月 (1)
- 2020年2月 (1)
- 2020年1月 (1)
- 2019年11月 (2)
- 2019年10月 (3)
- 2019年9月 (5)
- 2019年8月 (19)
- 2019年7月 (6)
- 2019年6月 (8)
- 2019年5月 (10)
- 2019年4月 (16)
- 2019年3月 (37)
- 2019年2月 (24)
- 2019年1月 (11)
- 2018年12月 (3)
- 2018年11月 (3)
- 2018年10月 (7)
- 2018年9月 (8)
- 2018年8月 (41)
- 2018年7月 (29)
- 2018年6月 (14)
- 2018年5月 (16)
