- 神经网络的基本工作原理简介
- 神经网络中的三个基本概念
- 数据集,交叉验证与留出法
- 分类样本不平衡问题
- 线性反向传播
- 非线性反向传播
- 梯度下降
- 梯度检查
- 损失函数
- 均方差函数
- 交叉熵损失函数
- 回归常用评价指标
- 分类常用评价指标
- 偏差与方差
- 过拟合
- 网络优化
- 线性回归
- 单入单出的单层神经网络-单变量线性回归
- 最小二乘法
- 梯度下降法
- 神经网络法
- 多样本单特征值计算
- 梯度下降的三种形式
- 多入单出的单层神经网络
- 正规方程解法
- 神经网络法
- 样本特征数据标准化
- 还原参数值
- 正确的推理预测方法
- 对标签值标准化
- 线性分类
- 多入单出的单层神经网路-线性二分类
- 二分类函数
- 用神经网络实现线性二分类
- 线性二分类原理
- 二分类结果可视化
- 实现逻辑与或非门
- 用双曲正切函数做二分类函数
- 多入单出的单层神经网路
- 多分类函数
- 线性多分类的神经网络实现
- 线性多分类原理
- 多分类结果可视化
- 非线性分类
- 多入单出的双层神经网络
- 为什么必须用双层神经网络
- 非线性二分类实现
- 实现逻辑异或门
- 逻辑异或门的工作原理
- 实现双弧形二分类
- 双弧形二分类的工作原理
- 多入多出的双层神经网络
- 非线性多分类
- 非线性多分类的工作原理
- 多入多出的三层神经网络
- 三层神经网络的实现