招聘网站套餐费用怎么做分录,怎么卸载windows优化大师,兴义市住房和城乡建设局网站,wordpress的xmlrpc协议在神经网络的使用过程中#xff0c;需要经历一系列步骤#xff0c;从网络结构的选择到训练过程的实施。以下是使用神经网络时的主要步骤的小结#xff1a;
一、网络结构的选择 输入层#xff1a; 第一步是选择网络结构#xff0c;即确定神经网络的层数以及每层的单元数。…在神经网络的使用过程中需要经历一系列步骤从网络结构的选择到训练过程的实施。以下是使用神经网络时的主要步骤的小结
一、网络结构的选择 输入层 第一步是选择网络结构即确定神经网络的层数以及每层的单元数。输入层的单元数应该等于训练集的特征数量。 输出层 输出层的单元数应该等于训练集中结果的类的数量。 隐藏层 如果有隐藏层确保每个隐藏层的单元数相同。通常情况下隐藏层单元的数量越多越好。需要决定的是隐藏层的层数以及每个中间层的单元数。 二、训练神经网络 参数的随机初始化 对网络的参数进行随机初始化打破对称性防止所有参数具有相同的初始值。 正向传播 利用正向传播方法计算所有的预测结果hypothesis。 代价函数 编写计算代价函数 J 的代码衡量预测结果与实际结果的误差。 反向传播 利用反向传播方法计算所有偏导数用于更新参数。 数值检验 使用梯度检验方法检验通过反向传播计算出的偏导数确保其准确性。 优化算法 使用优化算法如梯度下降来最小化代价函数更新参数使得神经网络逐渐学习到数据的特征。 三、自主驾驶
在这一部分的视频中将介绍一个具有历史意义的神经网络学习的案例即使用神经网络实现自主驾驶使汽车通过学习来自主进行驾驶。这个例子涉及到一个名为ALVINNAutonomous Land Vehicle In a Neural Network的智能系统它通过观察人类驾驶行为来学习驾驶技能。
Dean Pomerleau我的同事向我们展示了ALVINN的工作原理。ALVINN能够控制一辆改装版的军用悍马这辆悍马配备了各种传感器、计算机和驱动器用于进行自动驾驶的导航实验。
下面是ALVINN实现自主驾驶的基本步骤 训练过程 首先ALVINN需要经过训练这个训练过程涉及让人类驾驶员驾驶汽车。训练过程中ALVINN每两秒会生成一张数字化的路况图像并记录驾驶员的驾驶方向。这些训练集图片被压缩为30x32像素并作为输入提供给ALVINN的三层神经网络。 神经网络学习 通过使用反向传播学习算法ALVINN的神经网络会逐渐学习到与人类驾驶员相似的驾驶方向。一开始神经网络选择的方向是随机的但经过足够长的训练时间后神经网络能够准确地模拟人类驾驶员的驾驶行为。 实时驾驶控制 训练完成后ALVINN能够每秒生成12次数字化图片并将这些图像传送给神经网络进行实时训练。多个神经网络同时工作每个网络都生成一个行驶方向和一个预测自信度参数。最终具有最高自信度的神经网络的输出将被用于控制车辆的方向。
这一简单而强大的基于反向传播的神经网络使得ALVINN能够实现自主驾驶通过学习模仿人类驾驶者的行为对于当时来说这是一项令人惊讶的成就。虽然目前有更为先进的自动驾驶技术但ALVINN展示了神经网络在实现复杂任务上的潜力。 参考资料
[中英字幕]吴恩达机器学习系列课程
黄海广博士 - 吴恩达机器学习个人笔记
