尴尬癌犯了
过去的商业模式都建立在商品之上，现在互联网的商业模式似乎对商品本身没有很大的依赖
书中以BP神经网络为例子，掰碎了简单易懂的从线性（简单，单一特征）问题如何自我调整从而接近答案（一个可描述线性问题的线性函数），延伸到从微观结构和功能上对神经系统电信号、负反馈调节、神经元连接强度调整进行抽象，在使用训练数据训练过程中采取局部最优的调整策略调整模拟出的连接强度，从而使得输入输出的关系，尽可能的接近一个未知的非线性函数，从而解答这种无法简单描述因果关系的复杂问题，达到泛化的能力来识别训练数据外未曾见过的数据。 泛化也是人类学习的本质，由已经经历过见过的事务归纳规律，从而推导到来解决以后遇到的未见过的情况。这个过程中如果因为见识到的样本过少或总是见见过的信息，就会出现欠拟合和过拟合的问题，如见过“一”、“二”却不认识“三”或见过“一”、“二”、“三”却以为“四”要画四道横线。这个时候需要更多的见识或打破已有认知调整学习方法建立新的神经连接。 神经网路学习既然是模拟神经系统当然也会有同样的问题。 题外： 1. 书名中有 Python 是因为 Python 库多，好实现，这部分可以不看。 2. 书里有个留言是“读完跑了几个训练之后，去研究红楼梦了”。
很有意思，可读性太好了。看这类书全当入门，对专业术语有个印象。
尴尬癌犯了
过去的商业模式都建立在商品之上，现在互联网的商业模式似乎对商品本身没有很大的依赖
书中以BP神经网络为例子，掰碎了简单易懂的从线性（简单，单一特征）问题如何自我调整从而接近答案（一个可描述线性问题的线性函数），延伸到从微观结构和功能上对神经系统电信号、负反馈调节、神经元连接强度调整进行抽象，在使用训练数据训练过程中采取局部最优的调整策略调整模拟出的连接强度，从而使得输入输出的关系，尽可能的接近一个未知的非线性函数，从而解答这种无法简单描述因果关系的复杂问题，达到泛化的能力来识别训练数据外未曾见过的数据。 泛化也是人类学习的本质，由已经经历过见过的事务归纳规律，从而推导到来解决以后遇到的未见过的情况。这个过程中如果因为见识到的样本过少或总是见见过的信息，就会出现欠拟合和过拟合的问题，如见过“一”、“二”却不认识“三”或见过“一”、“二”、“三”却以为“四”要画四道横线。这个时候需要更多的见识或打破已有认知调整学习方法建立新的神经连接。 神经网路学习既然是模拟神经系统当然也会有同样的问题。 题外： 1. 书名中有 Python 是因为 Python 库多，好实现，这部分可以不看。 2. 书里有个留言是“读完跑了几个训练之后，去研究红楼梦了”。
很有意思，可读性太好了。看这类书全当入门，对专业术语有个印象。