莫凡Python--TensorFlow--学习笔记（一）简介

莫凡Python–TensorFlow–学习笔记（一）简介

一、人工神经网络 VS 生物神经网络

人工神经网络靠的是正向和反向传播来更新神经元, 从而形成一个好的神经系统
本质上, 这是一个能让计算机处理和优化的数学模型
而生物神经网络是通过刺激, 产生新的联结, 让信号能够通过新的联结传递而形成反馈

二、Neural Networks

神经元及其间的联系
多层神经元的传递----逐步理解
01变换

海量数据–看图并给出答案（初始化）–积累错误的经验（对比预测答案与真实答案的差别）–反向传播、不断提升正确率

激励函数–不断修正神经元参数（根据预测正确和失误两种情况，或增或减，使神经元变得敏感或迟钝）

三、梯度下降

optimization–优化问题
cost–误差
局部最优和全局最优

四、人工神经网络在做什么

feature–特征
代表特征的转化（深度理解）
迁移学习（输出层接入其他网络，在原有特征理解能力的基础上，进一步分析）

五、TensorFlow

六、安装

七、神经网络的工作

不断进步地去模拟需要的曲线