《Andrew Ng深度學習》筆記3
淺層神經網絡
初步了解了神經網絡是如何構成的，輸入+隱藏層+輸出層。一般從輸入層計算為層0，在真正計算神經網絡的層數時不算輸入層。隱藏層實際就是一些算法封裝成的黑盒子。在對神經網絡訓練的時候，就是對神經網絡的神經元求出最合適的參數。
從這圖也也看出，每層神經網絡的單個神經元就是一些算法計算。
並且是針對一層的每個神經元的計算邏輯都是一樣的，只不過是樣本不一樣。因此，在這裏引出向量化來簡化計算。
右圖看到如何把神經網絡向量化
這裏是m維特征輸入的向量化過程。
小結
這裏的筆記是第三周淺層神經網絡的1-5小節。主要是說明了神經網絡的構成，如何向量化神經網絡。通過這幾節，大概知道了神經網絡的組成和如何計算。
《Andrew Ng深度學習》筆記3
相關推薦
Andrew Ng 深度學習筆記-01-week3-課程
weight leak andrew ng random 有一個 function 分享圖片 範圍 hid 一、專業詞匯 a hidden layer of the neural network 神經網絡的隱藏層 a single hidden layer
《Andrew Ng深度學習》筆記3
過程 也看 9.png 簡化計算 邏輯 並且 str 初步 gpo 淺層神經網絡 初步了解了神經網絡是如何構成的，輸入+隱藏層+輸出層。一般從輸入層計算為層0，在真正計算神經網絡的層數時不算輸入層。隱藏層實際就是一些算法封裝成的黑盒子。在對神經網絡訓練的時候，就是對神經
《Andrew Ng深度學習》筆記1
優化 時代 信息 自變量 明顯 如果 特殊 結果 數據表 深度學習概論 1.什麽是神經網絡？ 2.用神經網絡來監督學習 3.為什麽神經網絡會火起來？ 1.什麽是神經網絡？ 深度學習指的是訓練神經網絡。通俗的話，就是通過對數據的分析與計算發現自變量與因變量的映射關系(神
《Andrew Ng深度學習》筆記2
時有 求和 計算過程 正是 並行 .com fun 使用 向量 神經網絡基礎 1.圖計算 計算時有兩種方法：正向傳播和反向傳播。正向傳播是從底層到頂層的計算過程，逐步推出所求公式。反向傳播是從頂層到底層，從已知的式子求出因變量的影響關系。 在這裏用到的反向傳播算法就是為
《Andrew Ng深度學習》筆記4
http 特征 span 維度 pac src 隨機 輸出 修正 淺層神經網絡 1.激活函數 在神經網絡中，激活函數有很多種，常用的有sigmoid()函數，tanh()函數，ReLu函數(修正單元函數)，泄露ReLu(泄露修正單元函數)。它們的圖形如下： sigmoi
《Andrew Ng深度學習》筆記5
學習 定義 模擬 div 思想 tps 軟件 clas class 深層神經網絡 深層神經網絡的組成如圖，這裏主要是深層神經網絡符號的定義。 為什麽要用深層神經網絡，有什麽好處？這裏主要是分層的思想。在軟件工程中，如果問題遇到困難，一般是通過“加多”一層的方法來解決，
Andrew Ng 深度學習課程deeplearning.ai 程式設計作業——shallow network for datesets classification (1-3)
##Planar data classification with one hidden layer ## 1.常用的Python Library numpy：is the fundamental package for scientific computin
Andrew Ng機器學習筆記+Weka相關算法實現（四）SVM和原始對偶問題
優化問題 坐標 出了 變量 addclass fun ber 找到 線性 這篇博客主要解說了Ng的課第六、七個視頻，涉及到的內容包含，函數間隔和幾何間隔、最優間隔分類器 （ Optimal Margin Classifier）、原始/對偶問題 （ Pr
andrew ng 深度學習 網易雲課堂課程
輸入資料為非結構化資料圖片時，輸入向量的表示形式是將一幅影象的三基元矩陣分別抻開，形成一個長向量： 先從邏輯迴歸講起，基本的符號表示如下，使用sigmoid函式是為了將計算出來的值投影到0-1的範圍內，從而表示預測值是貓的概率： 代價函式的定義，代價函式其實就是基於訓練集樣本的誤差總和的平均值
Andrew Ng 機器學習筆記 16 ：照片OCR
OCR的大概步驟 機器學習流水線（machine learning pipeline） 滑動窗體 上限分析 照片OCR是指照片光學字元識別（photo optical ch
Andrew Ng 機器學習筆記 15 ：大資料集梯度下降
隨機梯度下降 隨機梯度下降原理 小批量梯度下降 小批量梯度下降vs隨機梯度下降 隨機梯度下降的收
Andrew Ng 機器學習筆記 14 ：異常檢測
異常檢測問題 高斯分佈 高斯分佈中，μ和σ的關係 異常檢測的具體演算法 異常檢測演算法步驟總結 異常檢測 VS 監督學習 對不服從高斯分佈的資料進行
Andrew Ng 機器學習筆記 13 ：降維(dimensionality reduction)
資料壓縮 二維降到一維 三維降到二維 視覺化資料 主成分分析（PCA） PCA的執行過程2D -&
Andrew Ng 機器學習筆記 12 ：聚類
K均值 (K-means)演算法 K-Means的規範化描述 異常情況 K均值的代價函式 隨機初始化 肘部法則 (Elbow Method)
Andrew Ng 機器學習筆記 11 ：支援向量機(Support Vector Machine)
構建支援向量機 1.替換邏輯迴歸函式 2.去除多餘的常數項 1/m 3.正則化項係數的處理 大間距分類器 SVM決
Andrew Ng 機器學習筆記 10 ：評價學習演算法
評估假設函式 模型選擇 正則化引數λ對假設函式的影響 λ 在訓練集上的變化 λ在交叉驗證集上的變化 學習曲線(Lear
Andrew Ng 機器學習筆記 09 ：神經網路
非線性假設 神經網路邏輯單元 激勵函式 輸入層，輸出層，隱藏層 前向傳播(forward propagation)的向量化實現 AND、OR、NOT、XNOR的實
Andrew Ng 機器學習筆記 07 ：Octave/Matlab 使用說明
數學運算 邏輯運算 賦值運算 矩陣的表示 繪製直方圖 獲取矩陣的尺寸 載入檔案 清空變數 擷取矩陣部分元素
Andrew Ng機器學習筆記2——梯度下降法and最小二乘擬合
今天正式開始學習機器學習的演算法，老師首先舉了一個例項：已知某地區的房屋面積與價格的一個數據集，那麼如何預測給定房屋面積的價格呢？我們大部分人可以想到的就是將畫出房屋面積與價格的散點圖，然後擬合出價格關於面積的曲線，那麼對於一個已知的房屋面積，就可以在擬合的曲線上得到預測的
深度學習筆記3-優化函式
深度學習筆記3-優化函式 深度學習的優化演算法有隨機梯度下降法（SGD）、標準梯度下降法（BGD）、小批量梯度下降法（MBGD）、Momentum梯度優化（SGDM）、Adagrad、RMSprop、Adam等等演算法。SGD、BGD、MBGD很好理解，且在感知機那一節也有簡述，不再介紹