摘要：
神经网络的核心目的是能够处理复杂的模式和关系。如果没有激活函数，神经网络中的每一层实际上只是对输入进行线性变换。例如，如果没有激活函数，输出就是一个线性组合。无论层数如何增加，整个网络的输出仍然是一个线性变换，这就意味着无论网络有多少层，最终网络的表达能力与单层网络等效，无法拟合复杂的非线性关系。激 阅读全文
摘要：
在上一节【神经网络数学原理（2）反向传播】中已经讲述如何通过反向传播来优化权重的过程和数学原理，本章主要讲述参数优化，优化参数是机器学习和深度学习中至关重要的过程，其目的是通过调整模型的权重、偏置和超参数来提升模型的准确性和泛化能力。优化的最终目标是使模型能够从训练数据中学习到有效的信息，同时避免过 阅读全文
