從logistic迴歸到神經網絡——理論與實踐

1.logistic迴歸詳解 2.損失函數的選取 2.1.最大化後驗概率與極大似然估計 3.梯度下降方法求解最優的參數 w w 和 b b （一層神經網絡） 3.1.前向傳播 3.2.反向傳播 4.單層神經網絡示例代碼 5.兩層神經網絡 5.1.前向傳播 5.2.反向傳播 5.3.關於參數的初始化 5.4.2層神經網絡示例代碼 6.深層神經網絡 6.1.每層的參數及變量的尺寸 6.2.前向傳播遞推

>>阅读原文<<