Tinghua Data Mining 6

Networks

多层感知机

不是说这个神经网络要与人的大脑神经彻底类似，也不是说要多么的强大，而是在必定程度上模拟了人脑神经元的能力，就足够了

为何要w0呢，由于没有w0超平面必定会通过原点，因此w0和x0是很重要的。

一个样本至关于知错就改

理解公式背后的含义，学习率控制每次修改的幅度，不少公式之间都有类似的共性。小的学习率比较稳健。

感知机不能解决线性不可分问题

把复杂的问题分解成简单的问题

sigmoid便于求导

t是指望输出，o是实际输出。

要把公式连在一块儿，不要觉得这些公式都是天上掉下来的，一个公式接着一个公式，那样的话脑子会炸掉的，与感知机的很类似，多了一个东西 sigmoid求导 感知机是线性 求导等于1

输出层神经元，知道偏差，计算很简单。隐含层神经元不知道指望输出是多少。2我的作事，直接作事的人责任是很容易认定的，我不是直接作事的人。
张三李四都是我派出去的，那么责任都由我承担，反馈给我，反馈回来。可是并无这么简单。若是张三和我关系特别好，听我话，李四不太听话，除了反馈回来，还要乘以哦权重。

偏差信息传回来再乘以权重，至关于关系或者说影响力。