gaotihong的博客

我总结一下哈： 1.什么是神经网络，房价形成的relu曲线就是一个神经，影响房价的多个因素组合起来，就形成了神经网络。（family_size, walkly, schoolly隐含层赋予的含义）；然后拿一堆数据进行训练，就完成了。 2.监督学习；目前常见的都是监督学习，与非监督学习，此类学习含有标签信息；（房屋预测、广告推荐、图像、语音、翻译、无人驾驶） 目前常用 的结构标准NN，CNN，...

https://blog.youkuaiyun.com/red_stone1/article/details/78651063 《Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第一节笔记。 1. Computer Vision ...

https://blog.youkuaiyun.com/red_stone1/article/details/78403416 上节课我们主要介绍了深度神经网络的优化算法。包括对原始数据集进行分割，使用mini-batch gradient descent。然后介绍了指数加权平均（Exponentially weighted averages）的概念以及偏移校正（bias correction）方法。接着，...

https://blog.youkuaiyun.com/red_stone1/article/details/78600255 这是Andrew Ng深度学习专项课程第三门课《构建机器学习项目》的第二节笔记，第一节笔记入口：Coursera吴恩达《构建机器学习项目》课程笔记（1）– 机器学习策略（上） 1. Carrying out error analysis 对已经建立的机器学习模型进行错误分析（e...

《Structuring Machine Learning Projects》（构建机器学习项目）这门课是Andrw Ng深度学习专项课程中的第三门课。这门课主要介绍机器学习中的一些策略和方法，让我们能够更快更有效地让机器学习系统工作，该门课共有两周的课时。 1. Why ML Strategy 当我们最初得到一个深度神经网络模型时，我们可能希望从很多方面来对它进行优化，例如： Coll...

https://blog.youkuaiyun.com/red_stone1/article/details/78348753 上节课我们主要介绍了如何建立一个实用的深度学习神经网络。包括Train/Dev/Test sets的比例选择，Bias和Variance的概念和区别：Bias对应欠拟合，Variance对应过拟合。接着，我们介绍了防止过拟合的两种方法：L2 regularization和Dropo...

https://blog.youkuaiyun.com/red_stone1/article/details/78208851 Andrew Ng的深度学习专项课程的第一门课《Neural Networks and Deep Learning》的5份笔记我已经整理完毕。迷路的小伙伴请见如下链接： Coursera吴恩达《神经网络与深度学习》课程笔记（1）– 深度学习概述 Coursera吴恩达《神经网络...

https://blog.youkuaiyun.com/red_stone1/article/details/78062345 上节课我们主要介绍了浅层神经网络。首先介绍神经网络的基本结构，包括输入层，隐藏层和输出层。然后以简单的2 layer NN为例，详细推导了其正向传播过程和反向传播过程，使用梯度下降的方法优化神经网络参数。同时，我们还介绍了不同的激活函数，比较各自优缺点，讨论了激活函数必须是非线性的...

个人总结一下： 1.首先由逻辑回归引申出浅层神经网络，即浅层神经网络只是比逻辑回归多了一层，相当于重复计算；从左到右，先计算输入到隐藏，在计算隐藏到输出；从右到左，先计算输出到隐藏，在计算隐藏到输入； 2.神经网络的表达，浅层神经网络，也叫做两层神经网络，因为有隐藏层和输出层； 3.计算神经网络输出，相当于重复计算z和a，对于每个节点都尽心； 4.向量化 5.没有 6.激活函数：前面介...

个人总结： 1.逻辑回归，输出的是概率； 2.向量化的好处，速度提升300多倍；借助于并行化 3.逻辑回归的向量化，前向计算中的Z =np.dot(W.T, X），后向计算计算中求导环节：DZ = A  - Y; 4.顺便还介绍了python的广播机制，只是有一点感觉，但是没怎么看懂理论。 5.编程的技巧：不要构造rank 为1的向量，多用asset，多用reshape   http...

个人总结， 1.首先介绍二分类，其输入的维度为(NX，1),输出的维度为（1,1） 如果多个样本输入，X的维度(nx, m), 输出的维度（1， m） 2.逻辑回归，由线性回归引入逻辑回归，其区别为值域不一样，即【0,1】，因此引入了sigmod函数。为了计算参数，需要引入代价函数，单个样本叫做loss function，多个样本叫做cost function。本来可以考虑使用平方误差，但是...

https://blog.youkuaiyun.com/red_stone1/article/details/78769236 Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第2节笔记。 1. Why look at case s...