文章列表
零基礎入門深度學習(1) - 感知器
零基礎入門深度學習(2) - 線性單元和梯度下降
零基礎入門深度學習(3) - 神經網絡和反向傳播算法
零基礎入門深度學習(4) - 卷積神經網絡
零基礎入門深度學習(5) - 循環神經網絡
零基礎入門深度學習(6) - 長短時記憶網絡(LSTM)
零基礎入門深度學習(7) - 遞歸神經網絡
=======================================================================================
機器學習隨筆
機器學習實戰---邏輯回歸梯度上升（更好的理解sigmoid函數的含義並改進）
機器學習作業---偏差和方差（線性回歸）錯誤反例，但是理清了代碼思路，很重要
機器學習基礎---神經網絡（調試優化）（隨機初始化、梯度檢測）
機器學習基礎---神經網絡（屬於邏輯回歸）（構建訓練集以及參數學習）
出處：https://www.cnblogs.com/ssyfj/category/1747594.html
=======================================================================================
機器學習入門
出處：https://www.cnblogs.com/zkweb/category/1690853.html
=======================================================================================
機器學習
出處：https://www.cnblogs.com/takeurhand/tag/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/
=======================================================================================
=======================================================================================
出處：https://www.cnblogs.com/xiaofengzai/tag/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/
=======================================================================================
隨筆分類 - 機器學習
出處：https://www.cnblogs.com/501731wyb/category/2009992.html
=======================================================================================
=======================================================================================
=======================================================================================
=======================================================================================