神经网络与深度学习（一）

 0 基础

人工神经网络 (ANN)： 是从微观结构与功能上模拟人脑神经系统而建立的一类 模型，是模拟人的智能的一条途径 信息处理由人工神经元间的相互作用来实现，由联接权 来传递，具有学习能力、自适应性、联接强度的可变性。

 图1-1 人脑神经元结构示意图

深度学习： 多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有 更本质的刻画，从而有利于可视化或分类。深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服，逐层初始化可通过无监督学习实现。

1 线性分类

线性回归问题：利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法

线性回归要素：

1. 训练集(training set)或者训练数据(training data), 是我们流程中的输入数据，一般称为x。
2. 输出数据y。
3. 拟合的函数（或者称为假设或者模型）。
4. 训练数据的条目数。

<