鐵人檔案
Machine Learning 機器學習可說是目前資訊科技領域的主要技術，透過演算法對現有的資料進行分類與預測模型訓練。本系列文章主要介紹關於機器學習的各種基礎，包括優化器、超參數、以及基礎模型的架構等等，與筆者一起從零基礎慢慢開始成長吧！
前篇我們介紹了關於機器學習的基礎名詞以及分類總集，接下來就讓我們細講人工神經網路的運作原理及基礎結構吧! ※注意※ 英文專有名詞翻譯過來可能有許多種版本，筆者這...
深度學習 深度學習是多層人工精神網路或多層感知器的另一種稱呼，還有多種不同型態的深度學習系統，根據神經網路的根基以及運作準則。如: 前饋神經網路(feed-f...
激活函數 Activation Function 數學方法去決定neuron輸出叫做激活函數(activation function)但neuron的輸出並不是...
激活函數 Activation Function 接下上篇，我們繼續介紹較為常見的激活函數。 TanH/Hyperbolic Tangent 雙曲正切 TanH...
激活函數 Activation Function Scaled Exponential Linear Unit 比例指數線性單元 Scaled exponent...
損失函數 Loss function 損失/誤差函數（loss function）又叫做代價函數（cost function），是用來評估模型的預測值與真實值不...
損失函數 Loss function Multiclass Classification Loss Function Multiclass cross-en...
Feedforward 前饋神經網路 前饋神經網路是一種neuron之間的連接並不形成循環的人工智慧網路。前饋神經網路是最簡單的神經網路，在這個網路中，資料流...
Optimizer 優化器 神經網路是由多個神經元節點組成，每個神經元(Neuron)都擁有自己的權重w，表示在某項任務中該神經元的重要程度。假設輸入數據為x，...
卷積神經網路 Convolutional Neural Networks 卷積神經網路(CNN)又被稱為 CNNs 或 ConvNets，它是目前深度神經網路（...
