今天偶然間明白了兩個神經網路基礎概念。
1、affine parameters
直譯為仿射引數。affine實際上就是正向傳播中矩陣的乘積運算，也就是權重和輸入特徵的乘積。仿射引數自然就是權重和偏差。
2、inference
翻譯為推斷，之前一直雲裡霧裡，其實就是給定輸入，網路根據已有引數進行正向運算後得到輸出結果的過程。
3、遇到這種形式容易突然混亂。其實他就是表示x的集合下有不同的n,c變數x1,1,x2,2等組成。而每個x值又有h，w兩個維度。無須想的太複雜。
神經網路筆記
感知機模型如下圖所示 輸入層接受多個二值輸入,輸出層提供乙個二值輸出 m p神經元 用數學公式來描述就是 y 0,1 jw jxj b 0 jwjx j b 0 這裡,y 是指輸出,xi 指輸入,wi 是輸入的權重,j 是輸入管腳個數,b是指偏移.多個感知機可以構成神經網路,如下圖 m p神經元的輸...
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張，通過對應位置相乘求和，我們從左邊矩陣得到了右邊矩陣，邊緣是白色寬條，當畫素大一些時候，邊緣就會變細。觀察卷積核，左邊一列權重高，右邊一列權重低。輸入，左邊的部分明亮，右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡，下面這個圖左邊暗...