引用文章：用神經網絡進行圖像分類時，爲什麼輸出層的神經單元數量要跟分類數相同？
網站 arXiv官網：不推薦。。。 sanity，GitXiv，Quora、Reddit都會有討論arXiv上的論文 中文社區比如paperweekly、 論文怎麼讀 引用1：大家是怎麼閱讀 arXiv 論文的？ - 愛可可-愛
文章目錄Deep Learning的基本思想淺層學習（Shallow Learning）和深度學習（Deep Learning）淺層學習是機器學習的第一次浪潮。深度學習是機器學習的第二次浪潮。Deep learning與Neura
文章目錄準備數據集 準備數據集 數據集下載參考：常用CV數據集（持續更新中） 不懂下哪個，先去買本《數字圖像處理》看看，或者其他的圖像算法書
1、單一的像素點包含的信息是無意義的 2、人在看一個畫面時，不會是一眼就能獲取所有信息的，而是通過聚焦中心，確定感受野，通過不斷調整聚焦中心位置，放大、縮小感受野，從而獲得源源不斷的圖片信息（聚焦中心點和感受野的確定，是要有算法優
文章目錄代碼 接：【深度學習的數學】2×3×1層帶sigmoid激活函數的神經網絡感知機對三角形平面的分類訓練預測（繪製出模型結果三維圖展示效果）（梯度下降法+最小二乘法+激活函數sigmoid+誤差反向傳播法） 在上面的測試中，
文章目錄前言代碼修改之前錯誤的代碼知道爲何Z的結果不能擬合到預期的5了解決辦法1：取消輸出層神經單元的a和b（直接將z作爲輸出）（這個辦法不行，影響神經單元的完整性，沒法計算出輸出層神經單元誤差，從而使用誤差反向傳播法了）（×）解
在進行 【深度學習的數學】接“2×3×1層帶sigmoid激活函數的神經網絡感知機對三角形平面的分類訓練預測”，輸出層加偏置b 的測試中，我們發現，模型的初始權重對模型的訓練結果是影響非常大的， 如圖對比了兩種不同的模型訓練結果，
