deeplearning课程学习报告(2)

本文是作者对neural networks&deep learning课程的学习总结,涵盖了逻辑回归、神经网络基础、浅层神经网络及深层神经网络的内容。讨论了逻辑回归的Sigmoid函数、损失函数、梯度下降法,以及ReLU激活函数的优势。还介绍了深层神经网络的结构和参数更新公式。
摘要由CSDN通过智能技术生成

    这个星期把neural networks&deep learning这一课程内容全部结束了,并完成了Convolutional Neural Networks课程之前剩下的一部分编程习题内容。预计下一周将Convolutional Neural Networks课程全部结束。正好上一次因为没有全部收尾,没有作第一课程的总结,现在就将neural networks&deep learning课程自我总结一下,至于Convolutional Neural Networks课程的部分下周再一起做总结吧。

    课程第一周主要是关于概论的问题,这里直接略过。。。


    课程第二周:神经网络基础。主要是关于逻辑回归问题相关内容。

  • 训练样本 \{(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),\cdots,(x^{(m)},y^{(m)})\}。其中X.shape=(n_{x}, m)Y.shape=(1, m)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值