吴恩达机器学习-5-神经网络学习Neural Networks Learning
本文是在上节神经网络的基础上,做了进一步的阐述,内容包含:
- 神经网络代价函数
- 反向传播法及解释
- 梯度检验
- 神经网络的小结
Stay Foolish Stay Hungry
本文是在上节神经网络的基础上,做了进一步的阐述,内容包含:
Char3-分类问题
在人工智能上花一年时间,这足以让人相信上帝的存在————艾伦$\cdot$佩利
分类问题典型的应用就是教会机器如何去自动识别图片中物体的种类。本章中主要是介绍了MNIST数据集。
TensorFlow深度学习-第一章
人工智能、机器学习和神经网络之间的关系如下图:
监督学习
样本和样本的标签,代表:线性回归、逻辑回归、支持向量机、随机森林
非监督学习
只有样本数据集,自行发现数据的模态,代表:自编码器、生成对抗网络
强化学习
通过与环境来交互学习解决问题的策略,代表:DQN、PPO