吴恩达课程笔记与实践（一）：入门版 吴恩达课程笔记与实践（一）：入门版
发布时间
阅读量：
阅读量
近期正在学习吴恩达所开设的《深度学习专项》（Deep Learning Specialization）课程。为提升学习效率，同时也能在博客上有所产出，我计划撰写一系列学习笔记。这些笔记内容较为基础，缺乏原创性，主要目的是对课堂知识进行归纳整理（尽管文章标题标注为“笔记”，但依据我之前的分类标准，由于原创性较低，此类内容被归类至“知识记录”中）。若读者也在学习这门课程，可通过我整理的内容进行查漏补缺。后续课程中将包含课后练习题，我会在笔记中分享自己的编程思路，以期为读者提供一些编程方面的参考。
正文部分主要是对课堂内容的提炼与归纳。文中引用的内容以及每篇笔记末尾的总结部分则体现了我个人的观点或评论。
神经网络概念解析
将具备输入与输出功能的计算模块称为“神经元”。可以将神经元视为一种线性函数的体现。例如，在预测房价与房屋面积之间的关联时，我们可以通过一个线性函数进行近似拟合，该函数即代表了一个神经元。
实际上，一个神经元不仅仅包含线性函数，还涉及激活函数的应用。此处提及了激活函数 ReLU 的概念，其具体含义将在后续内容中进行详细阐述。
通过多个神经元的组合排列，即可形成神经网络结构，如图所示。
还没有任何评论哟~