基础的神经网络与反向传播

算法原理 概述： 算法通过构建多层网络解决单层感知机的非线性可分无法分割问题，通过梯度下降法更新网络中的各个权值向量，使得全局的损失函数极小化，从而实现对任意复杂的函数的拟合，这在分类问题中表现为它能将任意复杂的数据划分开，在回归问题中表现为它能拟合任意复杂的回归函数 其中梯度下降的核心是误差反向传播算法，这个算法大大减少了梯度下降法的计算量，是多层神经网络得以复苏的功臣，它使得当前层的梯度项能往

>>阅读原文<<