【深度学习】1.1：简单图解逻辑回归和神经网络
2017-02-27 19:32
501 查看
根据学生的Test 和 Grades 的分数，确定一个学生是被接受还是被拒绝。
如下图所示
如果样本点是这样分布的呢？一条线并不能把它们分开，需要两条线。如下图所示
图中所示的四个点，哪个是可以接受的呢，要问三个问题，坐标轴上显示的是两个线的答案，如下图所示
如下图所示，就可以判断了。中间的两个方框是两条线的函数。最后一个方框是ＡＮＤ函数，如下图所示
抽象成神经元，如下图所示，从左到右是输入层，隐藏层和输出层
这就是神经网络的表达方式，即可以表达复杂的非线性的问题（此处是分类问题）
如下图所示
如果样本点是这样分布的呢？一条线并不能把它们分开，需要两条线。如下图所示
图中所示的四个点，哪个是可以接受的呢，要问三个问题，坐标轴上显示的是两个线的答案，如下图所示
如下图所示，就可以判断了。中间的两个方框是两条线的函数。最后一个方框是ＡＮＤ函数，如下图所示
抽象成神经元，如下图所示，从左到右是输入层，隐藏层和输出层
这就是神经网络的表达方式，即可以表达复杂的非线性的问题（此处是分类问题）
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 深度学习入门(二) 线性回归、逻辑回归、正则化过程、神经网络简介
- 神经网络和深度学习-第二周神经网络基础-第三节：Logistic 回归损失函数
- 【神经网络与深度学习】【计算机视觉】图解YOLO
- 深度学习中简单神经网络的实现
- Spark MLlib Deep Learning Neural Net(深度学习-神经网络)1.1
- (尤其是训练集验证集的生成)深度学习 tensorflow 实战(2) 实现简单神经网络以及随机梯度下降算法S.G.D
- 深度学习（四十）优化求解系列（2）简单理解神经网络求解过程-未完待续
- 深度学习笔记(二)：简单神经网络，后向传播算法及实现
- 神经网络与深度学习 1.3 神经网络的架构 1.4 一个简单的分类手写数字的网络架构
- 神经网络梯度消失的解释 发表于2016/10/6 11:08:30 10609人阅读 分类： 深度学习 转载自哈工大SCIR（公众号） 为了弄清楚为何会出现消失的梯度，来看看一个极简单的深度
- [action] deep learning 深度学习 tensorflow 实战(2) 实现简单神经网络以及随机梯度下降算法S.G.D
- 吴恩达深度学习笔记 (补)1.1~1.5 神经网络概述
- 1.1 深度学习概论第一讲：什么是神经网络？
- 【Python开发】【神经网络与深度学习】如何利用Python写简单网络爬虫
- 神经网络和深度学习-第二周神经网络基础-第三节：Logistic 回归损失函数
- 神经网络与深度学习 1.1 感知器
- [深度学习框架] Theano上回归神经网络实现
- 【原】Andrew Ng斯坦福机器学习 Coursera—Programming Exercise 3 逻辑回归多分类和神经网络
- [深度学习]Python/Theano实现逻辑回归网络的代码分析
- 【神经网络与深度学习】chainer边运行边定义的方法使构建深度学习网络变的灵活简单