CNN/RNN学习笔记祎小祎1. 人工神经网络 神经网络的每个神经元如下 基本wx + b的形式，其中x1 x2表示输入向量
w为权重，几个输入则意味着有几个权重，即每个输入都被赋予一个权重
b为偏置bias
g(z) 为激活函数
a 为输出1.1 CNN网络的层级结构 输入层，卷积层，激活层，池化层，全连接FC层。输入层：对数据做预处理，常见处理方：（1）去均值 （2）归一化 （3）降维卷积层：
转载
2023-11-23 23:53:25
33阅读
RNN是Recurrent Neural Networks的缩写，即循环神经网络，它常用于解决序列问题。RNN有记忆功能，除了当前输入，还把上下文环境作为预测的依据。它常用于语音识别、翻译等场景之中。RNN是序列模型的基础，尽管能够直接调用现成的RNN算法，但后续的复杂网络很多构建在RNN网络的基础之上，如Attention方法需要使用RNN的隐藏层数据。RNN的原理并不复杂，但由于其中包括循环，
转载
2023-07-28 15:55:59
38阅读
