这是学了神经网络一课时的伙伴发我的，也算是一个总结吧！
我们一起来看看他的了解！
- 这门课程和数学有很大的联系，让我感受到了数学的神奇伟大美丽课程中用到了求导、线性函数、非线性函数即线性组合、非线性处理。
- 大概就是用局部的线性函数来表示全体的非线性函数，类似积分了
- 比较重要的一张图
- 单层神经网络：原始值、隐含层、输出层、输出值。神奇的x与y，好强大
- 运用到了线性组合、非线性处理：
解决非线性问题，每一个神经元，将输入值进行线性组合，然后转化为非线性结果
- 认识了几个函数：梯度下降，损失函数，激励（活）函数
- 逻辑回归模型
- 反向传播算法，个人理解就是通过电脑计算机判断，如果错误就返回给一个信号，然后计算机修改然后不断的改正错误和刺激，来达到人工智能神经网络
- 激励函数暂时学了三种
- 默认ReLU函数
- Sigmoid函数，（需要整个区间可导）
- tanh函数
其实这块儿说难不难，说简单它也难，学习这块儿有困难的伙伴，可以留言，需要视频学习教程的伙伴，也可以留言：人工智能，老师有总结****，可以分享大家！