我这里只写对监督学习的理解,因为只学到这嘛
神经网络有一个输入和一个输出
对于输入,比如我们输入一张图片
图片可以被抽象为3个矩阵,分别为R,G,B
我们可以将这三个矩阵变成一个超级长的列向量,方法就像你用一维数组表示二维数组一样
然后我们需要用神经网络去训练出一个行向量和一个数字b
得到一个数x=输入的列向量×行向量+b
然后把这个x带入f(x)=sigmoid(x)中
求出的值就是结果为1的概率
时间: 2024-10-20 05:16:18
我这里只写对监督学习的理解,因为只学到这嘛
神经网络有一个输入和一个输出
对于输入,比如我们输入一张图片
图片可以被抽象为3个矩阵,分别为R,G,B
我们可以将这三个矩阵变成一个超级长的列向量,方法就像你用一维数组表示二维数组一样
然后我们需要用神经网络去训练出一个行向量和一个数字b
得到一个数x=输入的列向量×行向量+b
然后把这个x带入f(x)=sigmoid(x)中
求出的值就是结果为1的概率