文章目录 M-P 神经元模型激活函数多层前馈网络万有逼近性BP算法推导缓解过拟合早停正则化 M-P 神经元模型 神经元接受数据，根据各自权重输入进激活函数，输出值与阈值比较后，得出结果作为该神经元的输出结果 激活函数 多层前馈网络 多层网络：包括隐层的网络 前馈网络：神经元之间不存在同层连接也不存在跨层连接 隐层和输出层神经元亦称“功能单元” 万有逼近性 仅需一个包含足够多神经元的隐层，多层前馈神经网络就能以任意精度逼近任意复杂度的连续函数 但是，设置隐层神经元数是未决问题，实际常用试错法 BP算法推导 缓解过拟合 早停 训练误差连续a轮的变化小于b，停止训练使用验证集，若训练误差降低，验证误差升高，则停止训练 正则化 误差目标函数中增加描述网络复杂度
本文介绍了M-P神经元模型、多层前馈网络、BP算法等核心概念，并探讨了如何通过早停和正则化来缓解过拟合问题。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
