deeplearning.ai 吴恩达网上课程学习(七)——深层神经网络理论学习

本文主要是介绍deeplearning.ai 吴恩达网上课程学习(七)——深层神经网络理论学习,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文主要来对浅层神经网络进行扩展,来了解深层神经网络的基本原理。

本文参考链接:https://www.missshi.cn/api/view/blog/59a6ad67e519f50d040000e6

1.概念初识:

Logistic回归:


一个隐藏层的神经网络:


五个隐藏层的神经网络:


深层神经网络主要是指的包含的隐藏层的深度神经网络的层数越多,可以拟合的场景越复杂。实际上,在利用神经网络解决一些问题时,我们首先需要预先准确的判断神经网络所需要的深度。

2.深层神经网络的前向传播:



3.核对矩阵维数

如何检查深度网络中矩阵的维度,更方便的寻找bug。




(n[l],1)=(n[l],n[l-1])*(n[l-1],1)+(n[l],1);


向量化之后

(n[l],m)=(n[l],n[l-1])*(n[l-1],m)+(n[l],m);

m表示为样本个数,b[l]中的每一列都是相同的。

4.为什么使用深层网络表示

人脸识别的系统为例,深层网络中的第一层通常的作为可认为是一个特征探测器边缘探测器。



后续的神经网络层可能会是将这些边缘特征进行组合,得到面部的不同部分,例如如下形式:


最后,再将这些面部不同部分组合起来,就可以用于识别或探测不同的人脸啦!


    这种从简单特征提取,再一步步到复杂特征组合的过程,不仅仅是应用于人脸识别领域,而是可以应用于大部分领域。例如一个语音识别的系统,需要解决的问题是如何更好的理解语音信号。此时,通常神经网络的前几层主要是试着去试探简单的音频特征,例如音调、噪声等等。后续通过将这些简单特征进行组合,仅可以得到一些相对高级的特征,例如音位等。再然后,继续组合将能得到一些单词信息,最终将会得到一些完整的句子等信息
所以,对于深层学习而言,通常前面几层用于学习一些简单特征,随着深层的增多,不断的对简单特征进行组合,最终得到一些高级特征。

5.搭建深层神经网络块

以下面这个神经网络为例:







6.前向和反向传播:


7.参数与超参数:



其实有些时候理论的看的有些模糊,亲自实践一下就好啦,代码实践见下一篇。






这篇关于deeplearning.ai 吴恩达网上课程学习(七)——深层神经网络理论学习的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/980639

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]