silent56_th的博客

CS231n简介详见 CS231n课程笔记1：Introduction。 注：斜体字用于注明作者自己的思考，正确性未经过验证，欢迎指教。课程笔记这篇是线性分类器的第二部分，回忆线性分类器的线性体现在score的获得，即score = Wx+b，然后predict_label = argmax(score)。具体细节以及关于线性分类器的解释请参考CS231n课程笔记2.2：线性分类器。 如果不考

CS231n简介详见 CS231n课程笔记1：Introduction。 本文都是作者自己的思考，正确性未经过验证，欢迎指教。作业笔记Softmax的误差函数以及正则项请参考 CS231n课程笔记3.1：线性分类器（SVM，softmax）的误差函数、正则化。 代码部分请参考 python、numpy、scipy、matplotlib的一些小技巧。 注：这里只写了向量化的实现方法，因为非向量

课程简介Geoffrey Hinton 2012年在coursera上开的网课：Neural Networks for Machine Learning。课程笔记以下内容基于一些基础知识点：例如MAP，正则项的贝叶斯解释等等。此部分内容因为设计过多公式，暂时跳过，请参考Hinton Neural Network的课程9e或者自行搜索。