摘要：
多样本向量化（ Vectorizing across multiple examples） 前面已经了解了单一训练样本神经网络计算过程： 如果有m个样本就要重复这个过程m次，第一个样本记作：${x^{[1]}} $，预测值记作：${{\hat y}^{[1]}} $，依次，第m个样本${x^{[m] 阅读全文
posted @ 2018-08-22 22:46
刘-皇叔
阅读(678)
评论(0)
推荐(0)
摘要：
计算一个神经网络的输出（ Computing a Neural Network's output） 下图表示一个两层的神经网络： 逻辑回归的计算分为两个步骤，先计算出z，在通过sigmoid函数计算出a，神经网络只是多次重复这样的计算。 按照上述的计算方法，可以得到隐藏层的计算结果： 向量化上述计算 阅读全文
posted @ 2018-08-22 22:29
刘-皇叔
阅读(1462)
评论(0)
推荐(0)
摘要：
神经网络的表示（ Neural Network Representation） 神经网络： 我们有输入特征x1,x2,x3它们被竖着堆叠起来，这叫做神经网络的输入层，它包含了神经网络的输入。 之后的一层称之为隐藏层。 最后一层由一个结点构成，称为输出层，它复制产生预测值。 隐藏层的含义： 在监督训练 阅读全文
posted @ 2018-08-22 21:12
刘-皇叔
阅读(1246)
评论(0)
推荐(0)
摘要：
神经网络概述（ Neural Network Overview） 前面所说的逻辑回归的例子回顾： 神经网络可以表示成如下图所示，可以看成把许多个sigmoid函数堆叠起来就构成一个神经网络。 计算过程： 这里的[1]表示层的概念。 阅读全文
posted @ 2018-08-22 20:33
刘-皇叔
阅读(523)
评论(0)
推荐(0)
浙公网安备 33010602011771号