梯度下降算法和人工神经网络_第1页
梯度下降算法和人工神经网络_第2页
梯度下降算法和人工神经网络_第3页
梯度下降算法和人工神经网络_第4页
梯度下降算法和人工神经网络_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、梯度下降算法和人工神经网络线性回归与梯度下降算法BP人工神经网络线性回归与梯度下降算法线性回归：典型的房价预测问题用线性方程表示：当特征有很多个时，将使用矢量化的方法：梯度下降算法代价函数（Cost Function）m：样本数y(i)：第i个样本中的房价h(x)：预测的房价参数的训练BP人工神经网络BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学

2、习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。上面那个太复杂让我们看看 “神经元”结构我们选用sigmoid函数作为激活函数激活函数 所谓神经网络就是将许多个单一“神经元”联结在一起，这样，一个“神经元”的输出就可以是另一个“神经元”的输入。例如，下图就是一个简单的神经网络：我们用 l 表示第 层第 i 单元输入加权和（包括偏置单元），比如， ，则 。 这里我们将激活函数 扩展为用向量来表示，上面的等式可以更简洁地表示为： 表示第 层第 单元的激活值激活值（输出值）。反向传播算法（用批量梯度下降法来求解神经网络）对于单个样例 ，其代价函数为：定义整体代价函数为：以上公式中的第一项 是一个均方差项。第二项是一个规则化项（也叫权重衰减项权重衰减项），其目的是减小权重的幅度，防止

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论