Welcome to Gatsby!

Hello

4.4 实现一个两输入线性单元的 delta 训练法则。训练它来拟合目标概念。画出误差 E 相对训练迭代次数的函数曲线。画出 5，10，50，100，…… 次迭代后的决策面。（a）为选取不同的常量值，并使用衰减的学习速率——也就是第 i…

4.5 推导输出为 o…

4.6 简略解释为什么公式（4.10）中的 delta 法则仅是公式（4.7）表示的真正梯度下降法则的近似？真正的梯度下降法则：近似梯度下降法则：仔细对比，可以发现（4.10）只考虑了当前的误差，而（4.7）则考虑了对于所有训练样例整体的误差。也就是说，采用（4.1…

4.7 考虑一个两层的前瞻 ANN，它具有两个输入 a 和 b，一个隐藏单元 c，和一个输出单元 d。这个网络有五个权值（wca，wcb，wc0，wdc，wd0），其中 wx0 表示单元 x 的阈值权。先把这些权的值初始化为（0.1，0.1，0.1，0.1，0.…

4.8 修改表 4-2 中的反向传播算法，使用双曲正切 tanh 函数取代 sigmoid 函数作为挤压函数。也就是说，假定单个单元的输出是。给出输出层权值和隐藏层权值的权更新法则。提示：。修改后的表 4-…

4.9 回忆图 4-7 描述的 8x3x8 网络。考虑训练一个 8x1x8 的网络来完成同样的任务，也就是仅有一个隐藏单元的网络。注意，图 4-7 中的 8 个训练样例可以被表示为单个隐藏单元的 8 个不同的值（例如 0.1，0.2，……，0.…

第四章人工神经网络

2.5 请看以下的正例和反例序列，它们描述的概念是“两个住在同一房间中的人”。每个训练样例描述了一个有序对，每个人由其性别、头发颜色（black、brown 或 blonde）、身高（tall、medium 或 short）以及国籍（US、French、German、Irish…

1.5 使用类似于西洋跳棋问题的算法，实现一个更简单的 tic-tac-toe 游戏。把学习到的函数表示为自选的棋局参数的线性组合。在训练这个程序时，让它和它的另一个拷贝反复比赛，后者使用一个手工建立的固定评估函数。绘制出你的程序的获胜率随训练次数的变化情况。

1.4 图 1-…

Example pages: Page 2 · TypeScript · Server Side Rendering · Deferred Static Generation
Edit src/pages/index.js to update this page.

Tutorial ↗
A great place to get started if you're new to web development. Designed to guide you through setting up your first Gatsby site.
Examples ↗
A collection of websites ranging from very basic to complex/complete that illustrate how to accomplish specific tasks within your Gatsby sites.
Plugin Library ↗
Learn how to add functionality and customize your Gatsby site or app with thousands of plugins built by our amazing developer community.
Build and Host ↗
Now you’re ready to show the world! Give your Gatsby site superpowers: Build and host on Gatsby Cloud. Get started for free!