DBN基础-逻辑回归神经网络

尹成学院 2023-01-13 01:38:37

课时名称	课时知识点
DBN基础-逻辑回归神经网络	DBN基础-逻辑回归神经网络

...全文

21 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

第二周 神经网络基础-1逻辑回归代码，blog地址： https://blog.csdn.net/sinat_18131557/article/details/98366429

pytroch基础使用深度学习模型回归问题（线性回归、逻辑回归）；分类问题 神经网络：SNN、 ANN、 **CNN、RNN、LSTM、GRU **.... 拓展的模型：**Seq2Seq with Attention**、TCN、DBN 用pyTroch构建模型框架 1、主流的工具 pyTroch：动态计算图——通俗易懂，接近原生python代码 Tensorflow：静态计算图 2、应用图像——分类ResNet、识别；自然语言处理——翻译、情感分析、问答系统GPT2 3、构建模型输入—

DBN是深度学习方法中的一种常用模型，是一种融合了深度学习与特征学习的神经网络。DBN网络结构是由若干层受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）和一层BP组成的一种深层神经网络。DBN结构如图2所示。图2 DBN结构示意图。

本文介绍了一种基于深度置信网络和BP神经网络的组合模型，在多输入单输出回归预测任务中取得了较好的预测结果。DBN和BP神经网络分别擅长自动学习特征和进行有监督学习，因此将它们组合起来可以得到更好的回归预测效果。具体来说，我们先使用DBN对数据进行特征提取，得到高质量的特征表示，然后将其输入到BP神经网络中进行有监督学习，得到最终的回归输出结果。本文将介绍一种基于深度置信网络（Deep Belief Network, DBN）和BP神经网络的组合模型，在多输入单输出回归预测任务中取得了良好的效果。

这篇我们将开始介绍神经网络的基础：逻辑回归（Logistic Regression）。通过对逻辑回归模型结构的分析，为我们后面学习神经网络模型打下基础。主要内容： 1、二分类问题； 2、逻辑回归及其对应的代价函数形式； 3、用计算图描述神经网络的正向、反向传播过程； 4、在逻辑回归中使用梯度下降算法。 1. Binary Classification 逻辑回归模型一般用来解决二...

尹成的课程社区_NO_2

1

社区成员

1,571

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章