摘要：反向传播算法是大多数神经网络的基础，我们应该多花点时间掌握它。 还有一些技术能够帮助我们改进反向传播算法，从而改进神经网络的学习方式，包括： 选取更好的代价函数 正则化方法 初始化权重的方法 如何选择网络的超参 Cost Function 这里来看一个非常简单的神经元，我们输入1，期望它输出0。 我 阅读全文

摘要：深度神经网络的学习基于两个关键技术： Stochastic Gradient Descent Backpropagation 利用 SGD 算法学习 Weights 和 Biases，利用 Backpropagation 算法来快速计算 Cost Function 的 Gradient 。 反向传播 阅读全文

摘要：Artificial Neuron 人工神经元有： Perceptrons（感知机） Sigmoid Perceptron 感知机 input是多个二进制 ， output是一个二进制 。 感知机规则 $$ output= \begin{cases} 0& \text{if } \sum_{j}w_ 阅读全文

摘要：在机器学习领域里，最核心的两种数值计算分别是： 距离计算 概率计算 今天 "Reinhard Hsu" 就来看看常见都有哪些常见的的距离计算。 欧式距离（Euclidean Metric） 欧几里得距离，用于计算两个点之间的实际距离，计算方法是使用毕达哥拉斯定理，也就是咱们中国的勾股定理。 对于二维 阅读全文