神经网络学习（一）

绪论

抽出时间学点新技术，先从了解点皮毛开始。
本笔记来源于慕课网 → 前沿技术 → 神经网络简介（地址）。

应用

分类：

1. 图像：自动驾驶。
2. 语音：语音助手。
3. 文本：新闻推送。

层次越深，越节省资源。通过线性函数（y=wx+b）形成非线性函数（激励函数）。
每个神经节点都可以进行单独的逻辑运算。
逻辑回归，通过运算结果跟实际比对之后对线性函数里的参数进行调整。
激励函数：提供规模化的非线性能力。（Sigmoid、tanh、ReLU）
损失函数：结果和真值进行比对差值。

梯度下降：对线性求导，同步调整w和b。
反向传播：网络梯度下降。每一层进行向量运算，获取到下一层的输入值。

结果

只能简单了解大致过程，其中具体实现不甚了解，有时间还是要看看动动手。

（若有什么错误，请留言指正，3Q）