【吴恩达deeplearning】第一门课 - 第一周 - 深度学习引言（笔记+习题）

1.2 什么是神经网络

在预测房屋价格时，除了房屋的面积，其他的特征例如卧室的数量也会影响房屋的价格。邮政编码或许能作为一个特征，反映步行化程度，也可能体现出附近学校的水平有多好。

在图上每一个画的小圆圈都可以是 ReLU 的一部分，或者其它非线性的函数。

基于房屋面积和卧室数量，可以估算家庭人口；基于邮编，可以估测步行化程度或者学校的质量。这些都能帮助预测房屋的价格。

以此为例， 是所有的这四个输入， 是你尝试预测的价格，把这些单个的神经元叠加在一起，我们就有了一个稍微大一点的神经网络。

实现它之后，要做的只是输入，就能得到输出。因为它可以自己计算你训练集中样本的数目以及所有的中间过程。

1.3 神经网络的监督学习

• 在线广告：标准神经网络
• 图像应用：CNN（卷积神经网络）
• 序列数据：RNN（循环神经网络）

• ReLU函数：修正线性单元 max(0,x)
• sigmoid函数：激活函数

通过将 Sigmod 函数转换成 ReLU 函数，便能够梯度下降（gradient descent）算法运行得更快。
在神经网络的计算中，有前向传播（foward propagation）和反向传播（backward propagation）的步骤。

【概念习题】

---

---

---