人工智能实践:Tensorflow课程:神经网络计算

文章目录

  • 1.人工智能三学派
  • 2.神经网络设计过程
  • 3.张量生成
  • 4.Tensorflow2常用函数


1.人工智能三学派

行为主义:基于控制论,构建感知-动作控制系统;

符号主义:基于算数逻辑表达式,求解问题时先把问题描述为表达式,再求解表达式;

连接主义:仿生学,模仿神经元连接关系。


2.神经网络设计过程

用神经网络给鸢尾花分类(Iris)

人工智能实践:Tensorflow课程:神经网络计算_第1张图片

1.搭建网络
人工智能实践:Tensorflow课程:神经网络计算_第2张图片

2.喂入数据

3.前向传播

4.损失函数
在这里插入图片描述
损失函数可以定量判断W、b的优劣,当损失函数输出最小时,参数W、b会出现最优值。

人工智能实践:Tensorflow课程:神经网络计算_第3张图片

5.梯度下降

梯度:函数对各参数求偏导后的向量。函数梯度下降方向是函数减小方向。

梯度下降法

沿损失函数梯度下降的方向,寻找损失函数的最小值,得到最优参数的方法。

人工智能实践:Tensorflow课程:神经网络计算_第4张图片

6.反向传播

从后向前,逐层求损失函数对每层神经元参数的偏导数,迭代更新所有参数。


3.张量生成

人工智能实践:Tensorflow课程:神经网络计算_第5张图片
在这里插入图片描述
在这里插入图片描述
人工智能实践:Tensorflow课程:神经网络计算_第6张图片
在这里插入图片描述


4.Tensorflow2常用函数

人工智能实践:Tensorflow课程:神经网络计算_第7张图片人工智能实践:Tensorflow课程:神经网络计算_第8张图片
人工智能实践:Tensorflow课程:神经网络计算_第9张图片
人工智能实践:Tensorflow课程:神经网络计算_第10张图片
人工智能实践:Tensorflow课程:神经网络计算_第11张图片
人工智能实践:Tensorflow课程:神经网络计算_第12张图片
在这里插入图片描述
人工智能实践:Tensorflow课程:神经网络计算_第13张图片
人工智能实践:Tensorflow课程:神经网络计算_第14张图片
在这里插入图片描述
在这里插入图片描述
人工智能实践:Tensorflow课程:神经网络计算_第15张图片
人工智能实践:Tensorflow课程:神经网络计算_第16张图片

你可能感兴趣的:(神经网络,人工智能,tensorflow)