受到人腦神經系統的啟發，早期的神經科學家構造了一種模仿人腦神經系統的數學模型，稱為人工神經網路，簡稱神經網路. 在機器學習領域，神經網路是指由很多人工神經元構成的網路結構模型，這些人工神經元之間的連線強度是可學習的引數.
人類大腦是人體最複雜的器官，由神經元、神經膠質細胞、神經幹細胞和血管組成. 其中，神經（neuron），也叫神經細胞（nerve cell），是攜帶和傳輸資訊的細胞，是人腦神經系統中最基本的單元. 典型的神經元結構大致可分為細胞體和細胞突起.
(1)細胞體(soma)中的神經細胞膜上有各種受體和離子通道，胞膜的受體可與相應的化學物質神經遞質結合，引起離子通透性及膜內外電位差發生改變，產生相應的生理活動：
神經網路介紹
傳統神經網路結構比較簡單，訓練時隨機初始化輸入引數，並開啟迴圈計算輸出結果，與實際結果進行比較從而得到損失函式，並更新變數使損失函式結果值極小，當達到誤差閾值時即可停止迴圈。神經網路的訓練目的是希望能夠學習到乙個模型，實現輸出乙個期望的目標值。學習的方式是在外界輸入樣本的刺激下不斷改變網路的連線權值...
神經網路基礎
上面是前14個筆記的乙個示意圖，簡單了點，但是內容架構應該是有的，先容我再道一道，梳理下 首先整體的第一周的課程是神經 網路 對，通向神經網路的基礎的網路，其中講解了內容模組包括 二分類問題簡單來說就是1和0的問題，也就是著名的cat 和 noncat問題，這個處理是靠輸入，然後計算機整合處理矩陣輸...
神經網路基礎
3.梯度下降 4.反向傳播 由線性分類 看基礎概念 邏輯回歸 線性回歸 只有一套引數，行為 是一套引數對某樣本的 值進行分類，線性分類 是由n套引數 結果有n個種類 行為 是分別對某樣本給出不同類別下的得分 使用softmax分類器後是概率 基礎損失函式 從某樣本在各類的的得分情況看損失 當正確的種...