神经网络和深度学习(Andrew Ng)
SuperFeHanHan
人生得意须尽憨!
展开
-
第四周:深层神经网络
第四周:深层神经网络4.1 深层神经网络4.2 深层神经网络中的前向传播⚠️ 计算公式单个样本多个样本4.3 核对矩阵的维度4.4 为什么使用深层表示4.5 搭建深层神经网络块⚠️ 第lll层的设计![在这里插入图片描述](https://img-blog.csdnimg.cn/20200728112607156.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4u原创 2020-07-28 20:01:28 · 120 阅读 · 0 评论 -
第三周:浅层神经网络
第三周:浅层神经网络3.0 重要的结论:3.1 神经网络概览3.2 神经网络表示3.3 计算神经网络的输出3.4 多样本向量化3.6 激活函数3.7 为什么需要非线性激活函数?3.8 激活函数的导数3.9 / 3.10 神经网络的梯度下降法对于单个样本:对于多个样本:3.11 随机初始化本文是神经网络和深度学习课程的笔记。3.0 重要的结论:参数更新:单个样本第k层的输出: a[z]=g(z[k]),z[k]=w[k]a[k−1]+b[k]a^{[z]}=g(z^{[k]}),z^{[k]原创 2020-07-27 12:38:09 · 81 阅读 · 0 评论 -
第二周:神经网络基础
第二周:神经网络基础2.1 二分分类2.2 Logistic Regression2.2 Logistic Regression cost function损失函数(Loss function): L成本函数(Cost function): J2.4 Gradient Descent2.7/2.8 Computation Graph 计算图及其导数计算2.9 Logistic Regression Gradient Descent2.10 Logistic regression on mmm example原创 2020-07-21 16:38:07 · 411 阅读 · 0 评论