機器學習–擬人
有監督的機器學習
多元線性迴歸
迴歸/預測
邏輯迴歸
分類
神經網絡(仿生)
預測
非線性的算法，非線性的算法可以來解決更加複雜的問題
神經網絡算法也是後面深度學習的時候的基礎
ANN artificial neural network
MLP multiple layer percepton
CNN RNN
Q：神經網絡需要考慮的基本要素有哪些？
A：1，激活函數的選擇，對應神經元裏面的邏輯，兩部分，相乘相加和非線性的變化，相乘相加是固定不變的
非線性的變化可以有很多選擇，根據效果來
2，網絡拓撲結構，處理更加複雜的問題，就需要更多的網絡層，就需要每層上面設置更多的人工神經元
3，在去求解神經網絡模型的時候，w0…wn，選擇什麼樣優化算法，SGD一樣適用！
Q：激活函數有哪些？
A：1，Sigmoid函數，0到1之間 2，Tangent函數，-1到1之間 3，Relu函數，max(0,x)
Q：神經網絡算法的隱藏層意義何在？
A：1，如果有隱藏層的話，就多了推理有演繹的能力
2，每多一個隱藏層，推理和演繹的過程更多，考慮的更深入
3，隱藏層的隱藏節點如果比之前的層上面的節點數要多，相當於進行了升維，考慮的因素更多，考慮的更全面
4，隱藏層的隱藏節點如果比之前的層上面的節點數要少，相當於進行了降維，去前面進行了歸納總結