山东大学人工智能导论实验四 利用神经网络分类红色和蓝色的花

发布时间:2022-10-09 13:00

目录

【实验目标】

【实验内容】

【数据集介绍】

【代码要求】

定义模型结构

初始化模型的参数

循环

计算当前损失(前向传播),请使用Relu激活函数。

计算当前梯度(反向传播)

更新参数(梯度下降)

【文档要求】

1.对比使用逻辑回归和使用具有1层隐藏层神经网络的分类效果(请粘贴2种方法分类效果图),哪种效果更好,分析原因。

 2.调整隐藏层大小(至少5种大小),观察不同大小隐藏层的模型的不同表现,请粘贴分类效果图,当隐藏层过大或过小时,会出现什么问题,并分析原因。


【实验目标】

  1. 建立具有隐藏层的完整神经网络
  2. 善用非线性单位
  3. 实现正向传播和反向传播,并训练神经网络
  4. 了解不同隐藏层大小(包括过度拟合)的影响

【实验内容】

利用具有1层隐藏层的神经网络分类红色和蓝色的花。参考1 参考2

【数据集介绍】

2分类数据集flower,红色和蓝色点的“花”。使用X, Y = planar_utils.load_planar_dataset()加载数据集,X为样本,共有400个,Y为样本对应的标签,0表示红色,1表示蓝色。

【代码要求】

  1. 定义模型结构

  2. 初始化模型的参数

  3. 循环

  • 计算当前损失(前向传播),请使用Relu激活函数。

  • 计算当前梯度(反向传播)

  • 更新参数(梯度下降)

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号