neuron networks for machine learning coursera课程笔记

一、一些简单的神经模型：

1. linear neurons （线性神经元）
2. Binary threshold neurons(阈值型神经元)
   
3. sigmoid neurons
4. Rectified Linear Neurons(sometimes called linear threshold neurons)
5. stochastic binary neurons(随机性阈值型神经元)
   二、机器学习分类：监督学习、强化学习和无监督学习

（一） 监督学习分为两类：回归和分类
1、fit（拟合）：最小化每一条训练数据的目标输出和机器学习算法实际输出的差异。
（二） 强化学习：输出是一系列动作，你需要根据不定时的奖励来决定应该如何选择。所以目标是选择每个动作，使得将来的奖励最大化。需要一个衰减因子。
（三）非监督学习，如聚类，主成分分析

（名词注释：feed-forward neural network，前馈神经网络）
(名词注释：symmetrically connected netwoke，对称连接网络)
（recurrent networks）