深度学习进阶（三）--BackPropagation算法的影响因素（补充昨天的博客更新）

总结一下昨天的学习过程

学习了解了影响神经网络中的一些参数：

1，层数以及每层神经元的个数（感觉层数越多BackPropagation算法效果越不怎么好）

2，权重以及偏向的初始化方法，比如说均值为1的正态分布，或者除以示例平方的正太分布或者除以2n的开根号的正态分布

3，目标cost函数的设置，二次cost函数以及log形式的函数公式

4，正规化（Regularization）的技术解决过拟合overfitting问题，参数 R

5，函数的选择，比如sigmoid或者tanh或者softmax

6，使用训练集的大小以及随机采样的大小

7，学习率的设置

这些只是简单的学习了解，更深层次的理解剖析还有待理解吸收消化