神经网络(一)

是什么？无序数据转化为价值的方法

价值？数据中抽取规律，进行预测未来

分类问题？图像识别、垃圾邮件

回归问题？股价预测、房价预测

排序问题？点击率预估、推荐

生成问题？图像生成、图像风格转换、图像文字描述生成

卷积神经网络（图像生成与分类、CV领域比较OK）

循环神经网络（不定长数据、NLP领域比较ok）

自动编码器

稀疏编码

深度信念网络

限制玻尔兹曼机

深度+强化学习=深度强化学习

基础概念：

W——权重(weight)

T ——特征(feature)

f()——激活函数(Activitaion function)

b ——偏置(bias)

案例：

X = [1, 2, 3]
W = [0.1, 0.2, 0.3]
H(a) = a/10

那么：
W * X = 1.4
H(a) = 0.14

Sigmoid函数

范围在0~1之间（概率刚好也是0到1之间），所以可以进行作为概率函数

如果我们多加一个神经元？

则我们获取了一个3分类的输出。

案例：
X=[1, 2, 3]
W=[[0.4, 0.6, 0.2], [0.2, 0.2, 0.1]]
那么，我们可以得到2个结果