神经网络基础
介绍逻辑回归、损失函数、激活函数与反向传播等神经网络基础
2 min
神经网络,逻辑回归,激活函数
从神经网络基础出发,以逻辑回归等经典二分类模型为起点,逐步过渡到支持向量机等传统机器学习方法,再深入卷积神经网络的结构构建与训练。内容兼顾数学原理、网络改进与优化策略,构成从基础模型到深度学习的完整知识链。
介绍逻辑回归、损失函数、激活函数与反向传播等神经网络基础
介绍正则化、优化算法与批归一化等深层神经网络训练技巧
介绍机器学习训练调试策略、评价指标及迁移与多任务学习
介绍卷积运算、池化及经典卷积网络与目标检测算法
介绍支持向量机的大间隔、核函数与软间隔原理
说明神经网络与卷积神经网络的数学符号约定