引言

     最近呢因为放假，然后又想写点东西把我的以前的东西积累下，可是以前的太多了，，，，懒的上传。

     然后呢，早就听说过神经网络，所以想趁着这次的机会熟悉熟悉，奈于没钱和没渠道，就只好去小破站找免费资源哈哈哈。然后现在找到个资源，是吴恩达老师的神经网络讲解，觉得老师讲的很好，就想先看看，顺便做做笔记，这个可能就是用来上传笔记什么的哈哈哈哈。

神经网络

        什么是神经网络呢，我从百度翻来一个讲解“神经网络就是按照一定规则将多个神经元连接起来的网络”，这个和老师说的也差不多，但是我可能忘了，，鉴于这个是为了我好看，所以，我贴上我的笔记哈哈哈。

图一

 

        可以看看这个图片，这个图片呢左边是一个预测模型，红色叉叉是输入的房子型号，而蓝色的线则是系统对房价做出的一种预测，也就是什么样大小的房子，有什么样的价格。右边就是一个简单的神经元，红色size(x)就是输入，而price(y)就是输出。这就是这一个神经元该干的事情，那么n个这样的神经元呢？啊，这就是神经网络了。

图二

    看看，像这样，若干个特征，进入若干个神经元，进行不同的处理，最终输出y。这个过程，就可以说是神经网络了。好象也差不多是这样？要是说的不准确，欢迎批评，学习是批评中进步的。

监督学习

         神经网络就像个小孩子，他需要学习，才能更好的处理各种事情。一般来说，他有监督学习，无监督学习和强化学习这三个。然后吴老师在视频里主要讲了监督学习，我也就说说。

        这是一个最简单那的学习方法，但也是最好用的学习方法。它主要是通过标记数据集，然后机器通过这种数据集进行学习和修改，最终可以达到需求。

  图三

        像这样，有数据集可以让他学习。最终可以得出我们所需要的结果。，其实它还有一种数据集，是unstructured data，这个是无结构的，就像是音频，照片，文档等等，没有特定的结构。这种恐怕就属于无监督学习或者强化学习，但我也不清楚。假如后面学到了可能会进行修改。

最后

   吴老师说了句话，就是这个概念其实很早了，为什么最近这几年才兴起机器学习呢？是因为数据规模。

       数据规模，是数据的多少，我们现在采集数据变的轻而易举，我们可以对某一类人进行数据的采集，通过数据来进行各种算法，而神经网络以前就有，只不过是随着数据规模变大，而使他在学习，应用等等变的更轻而易举。

图四

        看看，每个线都有学习时间与平台应用时间。 数据越大，学习时间也就越长。可是它所处理的能力也就越强大。因此现在人们通过不同的方法来缩短学习时间，比如修改ReUL(修正单元)函数，来降低梯度，也就是使函数尽可能保持一个上升状态，而非一个接近极限的状态。就像图一和图四的对比。

 

    吴老师给了这个图，学习是个艰苦的过程，磨机器，也磨人啊。但是，，，，我要好好学，好吧，可能不一定啥时候写博客。

  不过，先做了，总比不写好。

   共励！