多層神經網絡 　　對於多層神經網絡的訓練，delta規則是無效的，因為應用delta規則訓練必須要誤差，但在隱含層中沒有定義。輸出節點的誤差是指標准輸出和神經網絡輸出之間的差別，但訓練數據不提供隱藏層的標准輸出。 　　真正的難題在於怎么定義隱藏節點的誤差，於是有了反向傳播算法。反向傳播算法 ...

卷積神經網絡 　　深度神經網絡的重要性在於，它開啟了通向復雜非線性模型和對知識進行分層處理的系統方法的大門。人們開發了很多提取圖像特征的技術：SIFT、HoG、Textons、圖像旋轉、RIFT、GLOH等。卷積神經網絡的特點和優勢在於自動提取特征。 　　卷積層生成特征映射圖（feature ...

關於神經網絡的幾點思考：單層——多層——深度 神經網絡本質上是一個逼近器，一個重要的基本屬性就是通用逼近屬性。 通用逼近屬性： 1989年，George Cybenko發表文章“Approximation by Superpositions of a Sigmoidal ...

　　單層感知器屬於單層前向網絡，即除輸入層和輸出層之外，只擁有一層神經元節點。 　　特點：輸入數據從輸入層經過隱藏層向輸出層逐層傳播，相鄰兩層的神經元之間相互連接，同一層的神經元之間沒有連接。 　　感知器（perception）是由美國學者F.Rosenblatt提出的。與最早提出的MP模型 ...

深度學習引言 AI是最新的電力 大約在一百年前，我們社會的電氣化改變了每個主要行業，從交通運輸行業到制造業、醫療保健、通訊等方面，我認為如今我們見到了AI明顯的令人驚訝的能量，帶來了同樣巨大的轉變。 什么是神經網絡？ 神經網絡的一部分神奇之處在於，當你實現它之后，你要做的只是輸入x，就能 ...

這個人總結的太好了 ， 忍不住想學習一下，放到這里。 為了尊重原創作者，說明一下是轉載於：http://blog.csdn.net/MyArrow/article/details/51322433 學習總結 1. 簡介 神經網絡和深度學習是由Michael Nielsen所寫 ...

前面一章我們詳細講解了神經網絡的組成，工作原理，信號在網絡中如何流動，以及如何求解每一個輸入信號賦予的權重等計算過程；同時我們還構建了一個邏輯回歸網模型來解決鳶尾花分類問題，很明顯，這種網絡很“淺”，但它對於分類鳶尾花數據還是非常有效的，而且不僅僅是鳶尾花，對於有需要的其他二分類問題，該模型 ...

1、什么是神經網絡？ （1）房價預測模型Ⅰ： 神經網絡：size x ——> O ——> price y ReLU函數（Rectified linear unit 修正線性單元）：修改線性的函數，避免出現price未負數的情況. （2）房價預測模型 ...