神经网络

机器学习–拟人

有监督的机器学习

多元线性回归
回归/预测

逻辑回归
分类

神经网络(仿生)

预测
非线性的算法，非线性的算法能够来解决更加复杂的问题
神经网络算法也是后面深度学习的时候的基础
ANN artificial neural network
MLP multiple layer percepton
CNN RNN

Q：神经网络须要考虑的基本要素有哪些？
A：1，激活函数的选择，对应神经元里面的逻辑，两部分，相乘相加和非线性的变化，相乘相加是固定不变的
非线性的变化能够有不少选择，根据效果来
2，网络拓扑结构，处理更加复杂的问题，就须要更多的网络层，就须要每层上面设置更多的人工神经元
3，在去求解神经网络模型的时候，w0…wn，选择什么样优化算法，SGD同样适用！

Q：激活函数有哪些？
A：1，Sigmoid函数，0到1之间 2，Tangent函数，-1到1之间 3，Relu函数，max(0,x)

Q：神经网络算法的隐藏层意义何在？
A：1，若是有隐藏层的话，就多了推理有演绎的能力
2，每多一个隐藏层，推理和演绎的过程更多，考虑的更深刻
3，隐藏层的隐藏节点若是比以前的层上面的节点数要多，至关于进行了升维，考虑的因素更多，考虑的更全面
4，隐藏层的隐藏节点若是比以前的层上面的节点数要少，至关于进行了降维，去前面进行了概括总结