这个例子是最基础的例子,深度学习是它的各种形式的扩展。几个关键点:神经网络结构,激活函数,向量化,随机梯度下降算法,是深度学习的基石。
1.训练集
设训练集合是 {
x(i),y(i)}i=1...n ,其中 x∈R1×d 。 x 是个向量,数据集有 n 个样本。
2.神经网络结构
一个神经元,有d+1个输入,前d个是向量
f(x)=11+exp(−x)=11+e−x
求导的话,就是 f′(x)=f(x)(1−f(x)) ,可以推导出来的。
3.神经网络的输出
对一个样本而言,计算神经元的输出。 x 和b作为输入,传递到神经元的应激函数之前的值是 xW+b ,其中 W∈R