为什么神经网络能做分类识别
| 训练的逻辑 |
|
•在N x N的网络中，第一次训练时通过默认的weights和bias处理，输入x, 会得到输出y. •把y和预期的结果做对比，用backpropagation算法来调整weights和bias.
•下一次训练，输入新的x，处理时用的就是刚才调整过的weights/bias，得到新的输出y。
•用与上次相同的方法，调整weights/bias。
•反复训练，得到稳定的weights/bias组合，作为model.
粗俗的说，单层网络的model就是一大张打分表。Adaboost也是搞出这张打分表，两者殊途同归。
•把现实世界的数据输出到model，得到的输出结果作为现实世界分类判断的依据。
|
| 输入是如何变成输出的？ |
APPENDIX（1）
APPENDIX（2）
单层网络/参数在系统中的位置（例）