人工智能技术介绍VIP免费

深圳讯方教学资源部1、神经网络基本概念2、搭建第一个神经网络3、深度学习神经网路搭建•Page2内容目录神经网络基本概念•Page3下图所示，为一个神经网络的基本结构。它由一个输入层，一个输出层，以及多个隐藏层构成。其中每一层都由多个神经元节点所组成。一、基本结构神经网络基本概念•Page4二、神经元节点jinijbx1ij*wsBsjjjeAsfy/1)(设激活函数如下：万能近似定理（universalapproximationtheorem）(Horniketal.,1989;Cybenko,1989)表明，一个前馈神经网络如果具有线性输出层和至少一层具有任何一种‘‘挤压’’性质的激活函数（例如logisticsigmoid激活函数）的隐藏层，只要给予网络足够数量的隐藏单元，它可以以任意的精度来近似任何从一个有限维空间到另一个有限维空间的Borel可测函数。万能近似定理意味着无论我们试图学习什么函数，只要神经网络具备有足够多的网路节点就一定能够表示这个函数。神经网络基本概念•Page5三、万能近似定理widrow-Hoff学习规则：通过沿着误差平方和快速下降方向，连续调整网络的权值和阈值。并且根据梯度下降法，权值矢量的修正正比于当前位置上对偏差的梯度。梯度下降算法背后的原理：目标函数J(θ)关于参数θ的梯度将是目标函数上升最快的方向。对于最小化优化问题，只需要将参数沿着梯度相反的方向前进一个步长神经网络基本概念•Page6四、网络训练原理一神经网络基本概念•Page7五、网络训练原理二偏差：最后一层权值偏导：iijxwbw*),(Eij倒数第二层权值偏导：kkiki*),(Exwbw21)(21),(EjnjjydbwBSfASfydjjjj)]()[()(ijnjiiijijBSASfw1ki])[(**根据梯度下降法，权值调整如下：iijijijxw**wkkikikixw**wTensorflow是谷歌2015年开源的一个人工智能平台。其命名来源于本身的运行原理。Tensor的意思是张量，代表N维数组；Flow的意思是流，代表基于数据流图的计算。把N维数字从流图的一端流动到另一端的过程，就是人工智能神经网络进行分析和处理的过程。Tensorflow的特点是可以支持多重设备，大到GPU、CPU，小到平板和手机都可以跑起来Tensorflow。而且Tensorflow的使用非常的方便。几行代码就能够开始跑模型，这样使得神经网络的入门变得非常的简单。搭建第一个神经网络•Page8一、环境介绍安装tensorflow编写程序实现矩阵运算搭建第一个神经网络•Page9二、环境搭建MNIST数据集来自美国国家标准与技术研究所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局(theCensusBureau)的工作人员.测试集(testset)也是同样比例的手写数字数据搭建第一个神经网络•Page10三、MNIST数据集介绍搭建第一个神经网络•Page11三、单层神经网络构建分两步：1、输入接口定义2、使用全连接函数实现对输入10分类。深度神经网络搭建•Page12深度神经网络的深度是指隐藏层的层数。一、深度神经网络介绍二、主要涉及技术1、卷积2、池化3、relu激活函数4、Dropout右图演示了一个在2维数据上的卷积运算的过程。我们限制只对核完全处在图像中的位置进行输出，这通常被称为有效(valid)卷积。我们用画有箭头的方框来说明输出的左上角元素是如何通过对输入相应的左上角区域应用核进行卷积得到的。卷积操作可以使特征提取效果不降低的前提下，大大减少了参数数量，有效防止了过拟合问题。•Page13深度神经网络搭建1，卷积池化的过程和卷积的过程有些类似，同样采用过滤器方式，但计算方式不同，池化层中采用最大池化和平均池化的操作，也就是说在一个过滤器尺寸内求矩阵的最大值或者平均值。在池化层中，可以有效的缩小特征图矩阵的大小，但深度一般不会改变，从而有效减少全连接神经网络中的参数，以达到加快计算速度和防止过拟合问题出现的效果。•Page14深度神经网络搭建2，池化线性整流函数（RectifiedLinearUnit）,又称修正线性单元。其数学形式如下：y=max(0,x)作用：可以有效防止梯度衰减的问题出现。•Page15深度神经网络搭建3，relu激...