机器学习之人工神经网络资料.ppt

第4章 人工神经网络 （ANN）;概述;生物学动机;适合神经网络学习的问题;反向传播算法适合问题的特征;提纲;感知器;感知器（2）;感知器（3）;感知器的表征能力;感知器的表征能力（2）;感知器的表征能力（3）;感知器训练法则;感知器法则;感知器法则（2）;梯度下降和delta法则;梯度下降和delta法则（2）;可视化假设空间;梯度下降法则的推导;梯度下降法则的推导（2）;梯度下降法则的推导（3）;梯度下降法则的推导（4）;梯度下降的随机近似;梯度下降的随机近似（2）;梯度下降的随机近似（3）;梯度下降的随机近似（4）;感知器学习小结;感知器学习小结（2）;多层网络和反向传播算法;可微阈值单元;可微阈值单元（2）;可微阈值单元（3）;反向传播算法;反向传播算法（2）;反向传播算法（3）;反向传播算法（4）;算法解释;反向传播算法的梯度下降法则;反向传播算法的误差项;算法解释（2）;增加??量项;学习任意的无环网络;反向传播法则的推导;符号说明;随机梯度下降法则的推导;随机梯度下降法则的推导（２）;收敛性和局部极小值;收敛性和局部极小值（２）;收敛性和局部极小值（3）;前馈网络的表征能力;前馈网络的表征能力（2）;假设空间搜索和归纳偏置;隐藏层表示;目标函数;泛化、过度拟合和停止判据;error;过度拟合;过度拟合解决方法;过度拟合解决方法（2）;隐层单元个数的确定;举例：人脸识别