[学习] 深度学习-Lesson 4 Deep Learning abstract 1

4.1  Brief

Two Q:

What is Deep Learning?

What is it used for？

What is at the heart of deep learning?  Neural Networks

4.2 分类问题

理解最基本的分类，accepted 和 rejected. 引出一个问题，如何定位accepted 和 rejected 的分界线？这条线被称为线性界线。

4.3 线性界线

根据线性界线的划分，确定score.

accepted  label=1

rejected label = 0

4.4 更高维度的界线

4.5 感知器

Perceptron is the building block of neural networks and is just an encoding of our equation into a small graph.

4.6 为何称为“神经网络”

4.7 逻辑运算感知器

4.7.1 用感知器实现逻辑运算-AND （“与”）

4.7.2 用感知器实现逻辑运算-OR （“或”）

4.7.4 AND 感知器的权重和偏差是什么？

weight1 = 1.0

weight2 = 1.0

bias = -1.2

很多答案

4.7.5 NOT 感知器的权重和偏差是什么?

weight1 = 0.0

weight2 = -1.0

bias = 0.5

很多答案

4.7.6 用感知器实现逻辑运算-XOR （“异或”）

4.7.7 测验：构建一个XOR多层感知器

5. 感知器技巧-计算机如何“学习”分类

6 感知器算法

感知器步骤如下所示。对于坐标轴为 (p,q) 的点，标签 y，以及等式 y^​=step(w1​x1​+w2​x2​+b) 给出的预测

1. 如果点分类正确，则什么也不做。
2. 如果点分类为正，但是标签为负，则分别减去 αp,αq, 和 α 至 w1​,w2​, 和 b
3. 如果点分类为负，但是标签为正，则分别将 αp,αq, 和 α 加到 w1​,w2​, 和 b 上。