＜＜深度学习入门＞＞第二三章学习笔记

第二章  感知机

  一开始接触的标准式子就是y = w1 * x1 + w2 * x2 + b

其中的b称为偏置，w1和w2称为权重。y则作为一种感知机的结果，w1和w2是控制输入信号的重要性的参数，而偏置的值则决定了神经元被激活的容易程度。

这个称为单个感知机，但是单个感知机的效果是不够显著的，此时要进行几轮的感知机处理，才能够得到我们想要的结果。即有时候单层感知机无法表示的东西，通过增加一层就可以解决。换句话说，通过叠加层可以进行非线性的表示。

 

第三章  神经网络

神经网络的一个重要性质是它可以自动地从数据中心学习到适合的权重参数。

激活函数的作用在于决定如何来激活输入信号的总和。

一般一个节点里面包含着两个东西一个是a = b + w1 * x1 + w2 * x2,取代之前y的位置，另一个是激活函数y = h(a)

对Numpy数组进行不等号运算时，数组中的每个元素都会进行不等号运算。

如果使用线性函数，则处理结果仍旧是线性的，无法发挥出多层网络带来的优势。

X是(1, 2）,W 是(2, 3),结果是 (1, 3)