从logistic回归到神经网络——理论与实践

1.logistic回归详解 2.损失函数的选取 2.1.最大化后验几率与极大似然估计 3.梯度降低方法求解最优的参数 w w 和 b b （一层神经网络） 3.1.前向传播 3.2.反向传播 4.单层神经网络示例代码 5.两层神经网络 5.1.前向传播 5.2.反向传播 5.3.关于参数的初始化 5.4.2层神经网络示例代码 6.深层神经网络 6.1.每层的参数及变量的尺寸 6.2.前向传播递推

>>阅读原文<<