原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
Tensorflow全连接神经网络DNN
1. 了解前向传播算法基本概念 2. 了解神经网络模型的训练过程 3. 了解反向传播算法基本概念
前向传播算法简介神经网络模型的训练12反向传播算法简介3
1. 前向传播算法简介一个判断零件是否合格的三层全连接神经网络第一部分是神经网络的输入，就是从实体中提取的特征向量第二部分为神经网络的连接结构，给出不同神经元之间输入输出连接关系最后一部分是每个神经元中的参数W
1. 前向传播算法简介一个判断零件是否合格的三层全连接神经网络第一部分是神经网络的输入，就是从实体中提取的特征向量第二部分为神经网络的连接结构，给出不同神经元之间输入输出连接关系最后一部分是每个神经元中的参数W
1. 前向传播算法简介输入层的取值x1=0.7和x2=0.9a11取值的详细计算过程输出层y的计算过程
2. 神经网络模型的训练使用监督学习的方式设置神经网络参数蓝色点和黄色点代表的就是训练数据集，而平面上或深或浅的颜色表示了神经网络模型做出的判断左侧的图片显示的是一个神经网络在训练之前的分类效果，这时所有变量的取值都是随机数右侧图片显示了经过训练后的神经网络的情况，可以看到图上蓝色点和黄色点可以很清晰地被区分开来
3. 反向传播算法简介反向传播算法实现了一个迭代的过程首先选取一小部分训练数据作为一个batch然后这个batch的样例通过前向传播算法得到神经网络模型的预测结果计算出当前神经网络模型的预测答案与标注的正确答案之间的差距最后基于预测值和真实值之间的差距，反向传播算法相应更新神经网络参数的取值，使得在这个batch上神经网络模型的预测结果和真实答案更加接近
1. 前向传播算法基本概念 2. 神经网络模型的训练过程 3. 反向传播算法基本概念
文档评论（0）