机器学习测试

软件体系结构课堂测试答题纸

1. 正向传播的功能：输入计算预测值

原理：输入数据到达网络，通过每一层经过加权和激活函数处理，最终到达输出层，生成最终的预测值。

反向传播的功能：由损失函数反向求导，计算所有节点偏导数，不断更新参数，最终得到满意的结果，得到优化。

原理：反向传播，计算每一层的梯度。

梯度下降的功能：参数的更新过程，寻找损失函数的最小值

原理：反向不断地尝试更新参数，使损失函数最小。

1. ReLu函数简单，计算效率高，输出结果只有大于0和0两种结果。而tanh和sigmoid函数不仅容易出现梯度消失而且在曲线平滑位置学习非常慢，计算量大。
2. 为了增加神经网络的表达能力和学习能力。可以学习和表示更复杂的数据模式和特征，增加网络的表达能力，可以表示更复杂的函数。减少过拟合的风险。提高模型的性能。

Z_1=W_1*X1+W_2*X2= -1

Z_2=W_3*X1+W_4*X2= -2

Z_3=Z_1*W_5+Z_2*W_6= -3