23_动手实现TensorFlow–前向传播与拓扑排序
在MiniFlow中我们设置了两种方法使数据在整个图中传递：topological_sort()和forward_pass()。topological_sort()是对图中的节点计算顺序进行排序，返回一个按照要求排序的序列。forward_pass()按照topological_sort()的顺序进行计算。
阅读更多
文章
18_神经网络–多层感知器
之前的例子我们通过XOR（异或门）的感知器结构显示了通过增加神经网络层数，可以用于解决非线性问题。本节我们讲解多层感知器构造及如何实现。
阅读更多
17_神经网络–梯度下降的代码实现
经过上一节的讲解我们已经知道了我们的权重是如何更新的，本节将讲解如何将这个过程通过代码实现。基于python和numpy。
阅读更多
13_神经网络_初识神经网络
我们接着上一章节的录取问题出发，根据我们进行逻辑回归的结果，我们画了一条直线，直线上方的成绩的学生都被录取了，但是这在现实生活中是有问题的。例如某学生成绩为Test：9，Grades：1，这样是不应该录取的，因为毕业成绩过低。，那我们怎么去完善我们的模型呢？本节将通过完善这一模型认识什么叫神经网络。
【转载】11_神经网络–线性回归与分类, 解决与区别
机器学习可以解决很多问题，其中最为重要的两个是 回归与分类。 这两个问题怎么解决， 它们之间又有什么区别呢？ 以下举几个简单的例子，以给大家一个概念
1. 线性回归
回归分析常用于分析两个变量X和Y 之间的关系。 比如 X＝房子大小 和 Y＝房价 之间的关系， X=(公园人流量，公园门票票价） 与 Y=(公园收入) 之间的关系等等。