一:神经元的概念
当然一般的 神经网络比这个复杂很多。
二:sigmoid function函数
三:随机梯度下降算法
由于神经网络涉及到的数据量非常庞大,如果我们全部都放进神经网络里面去训练,效率非常低,所以经常会采用随机梯度下降算法,就是假如有1000个实例,我第一次选100组放进去,训练完之后一轮就完成了,然后再放100组进去,放几组之后应该就差不多和真实的非常接近了。
由于神经网络涉及到的数据量非常庞大,如果我们全部都放进神经网络里面去训练,效率非常低,所以经常会采用随机梯度下降算法,就是假如有1000个实例,我第一次选100组放进去,训练完之后一轮就完成了,然后再放100组进去,放几组之后应该就差不多和真实的非常接近了。