1、Examples and Intuition 1
在这个例子中,我只画出了两个正样本和两个负样本,你可以认为这是一个更复杂的学习问题的简化版本。在这个复杂问题中,我们可能在右上角有一堆正样本,在左下方有 一堆用圆圈表示的负样本,我们想要学习一种非线性的决策边界来区分正负样本。
Example:OR function
2、Examples and Intuition 2
一个神经网络具体是怎样计算一个复杂的非线性假设函数的?
一般的理解是,在输入层中,我们只有原始输入值,然后我们建立了一个隐藏层用来计算稍微复杂一些的输入量的函数。这些都是稍微复杂一些的函数,然后通过添加另一个层,我们得到了一个更复杂一点的函数。这就是关于神经网络可以计算较复杂函的某种直观解释。我们知道当层数很多的时候,你有一个相对简单的输入量的函数,作为第二层。而第三层可以建立在此基础上,来计算更加复杂一些的函数,然后再下一层又可以计算再复杂一些的函数。
3、用神经网络做多类别分类