目录
神经网络是一个函数（用 f 表示），它试图近似另一个目标函数 g ,可以用一下公式来描述这种关系：
1.神经元
神经网络的基本构件，既神经元（或单元）。单元是数字函数，其定义如下：
在二维输入的时候，可以将神经元看作一个感知器，感知器是一个有阈值激活函数，可以将输入分为两类中的一个。
2.层的运算
神经网络组织结构的下一层是单元层，其中将多个单元的标量输出组合在一个输出向量中。
在经典的神经网络中，层的主要类型是全连接层
神经网络不限于全连接层，还有许多其它类型，比如卷积层，池化层等。
有些层具有可以训练的权重（全连接层、卷积层），而其它层没有（池化层）。
3.神经网络
一个神经元只能分类线性可分的类。为了克服这一限制，必须在一个神经网络中组合多个层。
有点像自控中的传递函数。
4.激活函数
几种经典的激活函数
sigmoid：它的输出边界在0和1之间，可以解释为神经元激活的概率。
双曲正切（tanh）：和sigmoid区别是范围是（-1 ，1）
Relu:线性整流函数
Leaky ReLU：
学习的书籍是
Python深度学习——模型、方法与实现（lvan Vasilev）著
本文含有隐藏内容，请 开通VIP 后查看