深度学习的第一天

学习内容

1. python的相关基础知识，学习了numpy，类，matplotlib等等
2. 学习了感知机，权重加权来实现0和1的输出
3. 机器学习的课题是吧这个决定参数值的工作交给计算机来自动进行，学习是确定合适参数的过程，人要做的是构造感知机这种模型并将数据交给计算机
4. 学习了如何使用代码来实现所谓的与或非门，进而实现偏置和权重 ’偏置决定的是输出为1的难易程度，权重决定的是每个变量的影响程度’ $w_1x_1 + w_2x_2 - b ?> 0$
5. 感知机说白了就是用一根线把xy平面（或者高纬平面分开），在其中一侧输出为1，另一侧输出为0
6. 感知机只能表示线性，那非线性怎么办呢（比如异或门），他是无法通过一条直线进行划分的，但是我们可以通过曲线来划分（此时即为非线性），所以我们引入多层感知机
7. 单层感知机就是感知机
8. 多层感知机可以理解为神经网络，但是有的层数基于哪几层之间有权重，有的是基于究竟有多少层
9. 在第二张中，我们所使用到的多层感知机的所有层的参数全部是自己设置的，这很low，但是我们应该如何让机器自己学习其中的规律呢，emmm，这是一个值得思考的问题…
10. h（x）函数会将输入信号的总和转换为输出信号，这种函数一般称为激活函数，$y = h(b + w_1x_1 + w_2x_2)$