|
|
51CTO旗下网站
|
|
移动端

2.1 简介

《Python深度学习实战:75个有关神经网络建模、强化学习与迁移学习的解决方案》第2章前馈神经网络,本章的重点是为FNN 和其他网络拓扑的常见实现问题提供解决方案。本章讨论的技术也适用于后续内容。本节为简介。

作者:程国建/周冠武 译来源:机械工业出版社|2018-08-30 18:29

第2章 前馈神经网络

在本章中,将实现前馈神经网络(FNN)并讨论深度学习的基石:

理解感知器;

实现一个单层神经网络;

构建一个多层神经网络;

开始使用激活函数;

关于隐层和隐层神经元的实验;

实现一个自动编码器;

调整损失函数;

测试不同的优化器;

使用正则化技术提高泛化能力;

添加Dropout 以防止过拟合。

2.1 简介

本章的重点是为FNN 和其他网络拓扑的常见实现问题提供解决方案。本章讨论的技术也适用于后续内容。

FNN 是信息只向一个方向移动而不循环的网络(正如在第4 章 递归神经网络 中看到的)。FNN 主要用于监督学习,其中数据不是顺序或时间依赖的,例如用于一般分类和回归任务。首先介绍感知器,然后介绍如何使用NumPy 实现感知器。感知器展现了单一神经元的工作机制。接下来,通过增加神经元数量来增加复杂性,并引入单层和多层神经网络。大数量神经元和多层次网络,增加了结构的深度,也符合深度学习这个名字。

喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书会第9群:808517103

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

软件架构设计

本书紧紧围绕“软件架构设计”这一主题,立足实践解析了软件架构的概念,阐述了切实可行的软件架构设计方法,提供了可操作性极强的完整的架...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊