机器学习：神经网络

反向传播算法

反向传播算法，把纠错的运算量下降到只和神经元数目本身成正比。

反向传播算法，通过在神经网络里增加一个所谓隐层 （hidden layer），同时也解决了感知器无法解决异或门 （XOR gate） 的难题。

使用了反向传播算法的神经网络，在做诸如形状识别之类的简单工作时，效率比感知器大大提高。

 

 

 

 

参考资料：神经网络浅讲：从神经元到深度学习http://www.cnblogs.com/subconscious/p/5058741.html

　　　　　关于梯度下降算法的的一些总结http://www.cnblogs.com/gongxijun/p/5890548.html

　　　　    机器学习入门：线性回归及梯度下降http://blog.csdn.net/xiazdong/article/details/7950084

　　　　　 方向导数与梯度http://netedu.xauat.edu.cn/jpkc/netedu/jpkc/gdsx/homepage/5jxsd/51/513/5308/530807.htm

　　　　　知乎 导数 偏导数 方向导数 梯度https://www.zhihu.com/question/36301367　

转载于:https://www.cnblogs.com/jackherrick/p/7106927.html