/nn
首页
机器学习
评分卡
神经网络
深度学习
知识仓库
关闭
用户登录
注册
登录
首页
/
神经网络
/
BP神经网络-自行实现
BP神经网络-自行实现
BP神经网络自实现-开篇导读与回顾
1.1.BP神经网络-基本原理
【介绍】《BP算法-自实现》的意义与目标
【结构】BP神经网络的模型结构回顾
【原理】BP神经网络原理与本质
【指导】BP的训练算法及学习指导
BP神经网络的初始化与梯度公式
2.1.BP的初始化
【原理】BP神经网络的初始化
【原理】BP神经网络的初始化(非标准条件)
【流程】BP神经网络的初始化流程
【附件】nguyen_Widrow法译文(上)
【附件】nguyen_Widrow法译文(下)
2.2.BP的误差函数与梯度
【定义】BP神经网络的误差函数
【推导】BP神经网络的梯度公式推导
【拓展】BP神经网络的梯度公式(三层)
【流程】BP神经网络梯度计算的实际流程
【附件】tansig、logsig公式与导数的推导
BP神经网络-训练算法
3.1.梯度下降法训练BP
【原理】梯度下降法回顾
【流程】梯度下降求解BP算法流程
3.2.自适应梯度下降法训练BP
【原理】自适应梯度下降法
【流程】自适应梯度法求解BP算法流程
3.3.动量梯度法训练BP
【原理】动量梯度下降法
【流程】动量梯度法求解BP算法流程
【流程】自适应动量梯度法求解BP算法流程
3.4.L-M算法训练BP
【导读】《LM算法训练BP》学习顺序
【原理】高斯-牛顿法原理
【原理】LM算法思想与介绍
【原理】LM算法求解BP神经网络
【流程】LM法求解BP的算法流程
BP神经网络-代码自实现
4.1.公用代码
【导读】自写BP神经网络代码说明
【代码】InitBP.m
【代码】predictBP.m
4.2.训练算法
【代码】traingdBP.m
【代码】traingdaBP.m
【代码】traingdmBP.m
【代码】traingdxBP.m
【代码】trainlmBP.m
4.3.测试与使用Demo
【测试】InitBP的测试Demo
【测试】traingdBP的测试Demo
【测试】traingdaBP的测试Demo
【测试】traingdmBP的测试Demo
【测试】traingdxBP的测试Demo
【测试】trainlmBP的测试Demo
更多内容>
【原理】自适应梯度下降法
作者 : 老饼
发表日期 : 2023-02-24 21:58:41
更新日期 : 2023-12-06 20:13:06
会员文章，
请先
登录
哦
评论
(本站已停止维护,请前往新站点
www.bbblearn.com
哦)
本文已关闭评论
发表
评论 (本站已停止维护,请前往新站点www.bbblearn.com哦)