神经网络
Back to Home
01. 欢迎
02. 简介
03. 分类问题
04. 分类问题 2
05. 线性界线
06. 更高维度的界线
07. 感知器
08. 用感知器实现简单逻辑运算
09. 为何称为“神经网络”？
10. 感知器技巧 - 计算机如何“学习”分类？
11. 感知器算法
12. 非线性界线
13. 误差函数
14. 误差函数与梯度下降
15. 离散型与连续型 - 为什么使用sigmoid函数
16. 多类别分类与Softmax 函数
17. One-Hot 编码
18. 最大似然率
19. 最大化概率
20. 交叉熵 1-损失函数
21. 交叉熵 2-损失函数
22. 多类别交叉熵
23. Logistic 回归
24. 梯度下降实现
25. 梯度下降算法推导与实现
26. [Lab 准备] 梯度下降
27. [Lab] 梯度下降
28. 感知器和梯度下降
Back to Home
02. 简介
机器学习纳米学位课程简介
Next Concept