10 2021 档案

摘要：1.多层感知器（全连接神经网络） w1行数自己设定，列数由x维度决定 全连接神经网络可解决线性不可分问题，如图： 隐层的个数为指定的模板的个数，输出层的个数为类别数 2.激活函数（对每一层中输出向量的每个维度进行处理） 即此函数中的max，如果去掉激活函数，全连接神经网络将变为线性分类器。 3.损失 阅读全文

摘要：将图像表示为像素 RGB w是权值即是模板，类别不同，权值不同。w的权值越贴合x的权值，则分数越高。 例如： 二类w*x时 每个相乘的一对两个数都越大越好，单纯一个数大结果不一定越大。这就是模板与图像贴合度越高分数越高。 正则项：解决w唯一性，让模型有偏好 阅读全文

摘要：Step1：设立model 例如Y=b+w*Xcp A set of function Step2：Goodness of Function 定义loss function（损失函数L）来评估function的好坏 通过training data评估后挑选出最好的function（f*），用test 阅读全文