文件名称：TensorFlow 2.0深度学习算法实战---第7章 反向传播算法.rar
文件大小：403KB
文件格式：RAR
更新时间：2023-04-18 12:32:58
深度学习 神经网络 激活函数
TensorFlow 2.0深度学习算法实战---第7章 反向传播算法 本章我们将从理论层面学习神经网络中的核心算法之一：反向传播算法(Backpropagation，BP)。实际上，反向传播算法在 1960 年代早期就已经被提出，然而并没有引起业界重视。1970 年，Seppo Linnainmaa 在其硕士论文中提出了自动链式求导方法，并将反向传播算法实现在计算机上。1974 年，Paul Werbos 在其博士论文中首次提出了将反向传播算法应用到神经网络的可能性，但遗憾的是，Paul Werbos 并没有后续的相关研究发表。实际上，Paul Werbos 认为，这种研究思路对解决感知机问题是有意义的，但是由于人工智能寒冬，这个圈子大体已经失去解决那些问题的信念。直到 10 年后，1986 年，Geoffrey Hinton 等人在神经网络上应用反向传播算法 (Rumelhart, Hinton, & Williams,1986)，使得反向传播算法在神经网络中焕发出勃勃生机。
【文件预览】：
ch07
----7.9-backward-prop.py(9KB)
----数据集分布.svg(302KB)
----训练误差曲线.svg(23KB)
----网络测试准确率.svg(22KB)
----ch07-反向传播算法.ipynb(487KB)