浅层神经网络

初步了解了神经网络是如何构成的，输入+隐藏层+输出层。一般从输入层计算为层0，在真正计算神经网络的层数时不算输入层。隐藏层实际就是一些算法封装成的黑盒子。在对神经网络训练的时候，就是对神经网络的神经元求出最合适的参数。

从这图也也看出，每层神经网络的单个神经元就是一些算法计算。

并且是针对一层的每个神经元的计算逻辑都是一样的，只不过是样本不一样。因此，在这里引出向量化来简化计算。

右图看到如何把神经网络向量化

这里是m维特征输入的向量化过程。

小结

这里的笔记是第三周浅层神经网络的1-5小节。主要是说明了神经网络的构成，如何向量化神经网络。通过这几节，大概知道了神经网络的组成和如何计算。

最新文章

  1. asp控件Repeater运用
  2. Eclipse 高亮显示选中的相同变量
  3. .htaccess的应用
  4. HDU 4901 The Romantic Hero （计数DP）
  5. css选择器，有箭头与没箭头的区别
  6. SOAPUI请求及mockservice 使用
  7. Python基础-类
  8. react系列笔记：第三记-redux-saga
  9. Plickers——教师拿手机、学生拿卡片，就可以完成即时全员互动！
  10. LayaAir疑难杂症之二：字符输入限制不生效（多个限制条件该如何赋值给restrict）
  11. SpringBoot日记——ElasticSearch全文检索
  12. 【亲测有效】无法定位链接器！请检查 tools\link.ini 中的配置是否正确的解决方案
  13. BOvW简介
  14. （转）能根据文字生成图片的 GAN，深度学习领域的又一新星
  15. WPF中的Visual Tree和Logical Tree与路由事件
  16. 安装pod
  17. hbase权限管理
  18. Java补充内容
  19. st link 连接问题ST LINK is not in the DFU mode plesse restart it
  20. GAN作用——在我做安全的看来，就是做数据拟合、数据增强

热门文章

  1. mysql 批量插入与单条插入 的效率比较
  2. 浅谈PL/SQL语言基础
  3. Oracle & SQL Server 数据传输
  4. SpringMVC总结一：快速入门
  5. ms project设置行高
  6. 算法优化》关于1D*1D的DP的优化
  7. IDEA小技巧：添加代码快捷方式
  8. ubuntu扩展屏幕
  9. [redis]redis-cluster的使用
  10. Ubuntu 16.04 安装jdk