用户3885423503475

赞

0

|

搜索文章

7-Keras-神经网络小试牛刀

学习使用神经网络进行音频、文本等非结构化数据和房价、信用等结构化数据分析的相关任务，以及通过学习股价预测任务研究时间序列数据的分析问题。

2年前
623
1
评论

6-Keras-神经网络模型性能分析

对于神经网络的模型，从输入、结构、输出方面，分析模型性能的影响因素，包括数据集缩放、批大小选择、输入值分布、模型深度、学习率、过拟合处理等方面的分析。

2年前
162
点赞
评论

5-Keras-常用损失函数

利用损失函数计算损失值，模型就可以通过反向传播去更新各个参数，通过降低真实值与预测值之间的损失，使得模型计算得到的预测值趋近于真实值，从而达到模型训练的目的。

2年前
129
点赞
评论

4-Keras-常用激活函数

使用激活函数可以实现网络的高度非线性，这对于建模输入和输出之间的复杂关系非常关键。只有加入了非线性激活函数之后，深度神经网络才具备了令人惊异的非线性映射学习能力。

2年前
204
点赞
评论

3-Keras-香草神经网络

我们已经学习了神经网络的基础概念，同时也了解了如何使用 keras库构建神经网络模型，本节我们将更进一步，通过实现一个实用模型来一窥神经网络的强大性能。

2年前
220
点赞
评论

2-Keras-前向传播和反向传播

在正向传播中，我们将一组权重应用于输入数据，将其传递给隐藏层，对输出使用非线性激活，将最后一个隐藏层的输出与另一组权重相乘，就可以得到输出层的结果。

2年前
445
点赞
评论

1-Keras-神经网络基础

神经网络是一种性能强大的学习算法，其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式，神经网络获取输入，通过某些函数在网络中进行传递，连接在其后的一些神经元被激活，从而产生输出。

2年前
133
点赞
评论

个人成就

文章被点赞 1

文章被阅读 1,916

加入于

2023-07-01