卷积神经网络的学习率怎么计算出来的

如题所述

推荐答案 2017-08-11

学习率实际和信号分析里的时间常数是一样的，学习率越小学习会越精细，但同时学习速度也会降低，因为现实中很多模型都是非线性的，犹如一条曲线，梯度下降采用很多小直线迭代去逼近非线性的曲线，如果每一步跨度太大（学习率）就会失去很多曲线的扭曲信息，局部直线化过严重，跨度太小你要到达曲线的尽头就需要很多很多步，这就需要更多的样本，所以这个也要考虑实际问题再来决定学习率的。

温馨提示：答案为网友推荐，仅供参考

当前网址：http://66.wendadaohang.com/zd/UDps2vsxnpivDsDi9sv.html

其他回答

第1个回答 2019-03-15

注意：训练样本和测试样本是不一样的。判断正确和错误，主要是看能不能通过训练分析机以及是否在误差内。正确率的得出：对测试样本进行测试，看看识别出来的有哪些，除以测试样本的总数即可。

相似回答

神经网络中的卷积运算---机器学习答：卷积的魔力在于其公式背后的计算法则：每个位置的输入与卷积核值相乘，然后求和，形成特征映射矩阵。当卷积核在图像上滑动时，参数i保持不变或j不变，进行加权求和，这就是平移的奥秘。这个过程在固定范围（i=1...M-U+1, j=1...N-V+1）内进行，通过调整参数，我们可以从同一个卷积核中提取出丰...

神经网络:卷积神经网络(CNN)答：2)反向传播网络,前馈网络,结构多层,采用最小均方差的纠错学习规则,常用于语言识别和分类等问题 3)Kohonen网络:典型的自组织网络,由输入层和输出层构成,全连接 4)ART网络:自组织网络深度神经网络: Convolutional Neural Networks(CNN)卷积神经网络 Recurrent neural Network(RNN)循环神经网络 Deep Belief Networks(DBN...

卷积神经网络的基本原理答：卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classificatio...

卷积神经网络:深度学习的代表算法之一视频时间 00:49

?什么是卷积、卷积神经网络?答：二、卷积神经网络 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-...

卷积是怎么计算的?答：1、卷积是卷积神经网络中的核心模块，卷积的目的是提取输入图像的特征。卷积也称为过滤器，即Filter，卷积的计算方法是在滤波器和输入数据的局部区域间做点积。卷积核中的数字其实就是卷积的权重，刚开始初始化一个值，然后再通过不断的学习和反向传播进行更新。2、在卷积神经网络中，卷积核/过滤器大小，...

大家正在搜