神经网络的表达
一、Non-linear hypotheses
n很大很大,很多很多个特征。
二、神经元模型
这里又用到了之前提到过的sigmoid函数,作为activation function
三、Forward propagation: Vectorized implementation
前向传播:向量化的实现
一个简单的神经网络的例子
四、多分类
这是一个又多个输出单元的神经网络,得到的结果是多个的(前面提到过二分类与多分类)
神经网络的学习
一、代价函数
二、Backpropagation algorithm–反向传播
这里的反向传播算法计算梯度
①梯度计算
②用反向传播算法来计算梯度
③反向传播算法
三、反向传播与正向传播
四、系数展开
①进一步优化
②举例
③学习算法
五、梯度检验
六、随机初始化
①初始化为0
②随机初始化
七、总结整理