机器学习笔记week4(Andrew NG)
机器学习笔记week4(Andrew NG)
martin
概念介绍
神经网络单元
如图所示,每一个神经元(输入层除外)都是一个逻辑回归模型,也即为感知机。
神经网络结构
神经网络一般有三个模块或者层次。分别是输入层、隐含层、输出层。这里需指出的是隐含层往往不只有一层。除输出层外,其他每层一般都含有一个偏置项“bias”,它一般都被置为1。
前向算法
可以看到如图中所描绘的那样,每一层的单个节点的输入都是由前一层所有的节点的值与权值
j为
选择题1:
选择题2:
原理与应用
神经网络解决的问题
如图,可以看到如果使用单个逻辑回归,对于下面图片中的圆圈和叉叉是不能够用一条直线来分开的,也即该问题是线性不可分问题,那么这种问题我们叫做XOR问题,即异或问题。所以对于单个的神经元(感知器或者逻辑回归)是不能解决该问题的,所以由多个神经元(或者说感知器)组成的神经网络就应运而生。
接下来我们来看看,单个的神经元到底是怎么发生作用的?
-
AND问题
-
OR问题
-
NOT问题
-
XNOR问题
可以看到,XNOR解决了之前的线性不可分的问题,将负样本区分了出来,所以同时也把正样本分了出来(XOR是XNOR问题的NOT)。而我们看到,要想解决XNOR或者XOR仅有一层网络是不可行的,必须要组合多层感知器才可以,于是就变成了多层感知器也就是我们的神经网络。
选择题3:
神经网络多分类
选择题4:
小节测试题1:
小节测试题2:
小节测试题3:
小节测试题4:
小节测试题5:
[16ttp://static.zybuluo.com/IceMartin123/7i68exsn5cj0xuy9kmuxicy2/5-1.png