神经网络

==概述==

==概述==

以监督学习为例，假设我们有训练样本集  <math>\textstyle (x(^ i),y(^ i))</math> ，那么神经网络算法能够提供一种复杂且非线性的假设模型 <math>\textstyle h_{W,b}(x)</math> ，它具有参数 <math>\textstyle W, b</math> ，可以以此参数来拟合我们的数据。

以监督学习为例，假设我们有训练样本集  <math>\textstyle (x(^ i),y(^ i))</math> ，那么神经网络算法能够提供一种复杂且非线性的假设模型 <math>\textstyle h_{W,b}(x)</math> ，它具有参数 <math>\textstyle W, b</math> ，可以以此参数来拟合我们的数据。

要求解这样的神经网络，需要样本集  <math>\textstyle (x^{(i)}, y^{(i)})</math>  ，其中 <math>\textstyle y^{(i)} \in \Re^2</math> 。如果你想预测的输出是多个的，那这种神经网络很适用。（比如，在医疗诊断应用中，患者的体征指标就可以作为向量的输入值，而不同的输出值 <math>\textstyle y_i</math> 可以表示不同的疾病存在与否。）

要求解这样的神经网络，需要样本集  <math>\textstyle (x^{(i)}, y^{(i)})</math>  ，其中 <math>\textstyle y^{(i)} \in \Re^2</math> 。如果你想预测的输出是多个的，那这种神经网络很适用。（比如，在医疗诊断应用中，患者的体征指标就可以作为向量的输入值，而不同的输出值 <math>\textstyle y_i</math> 可以表示不同的疾病存在与否。）

==中英文对照==

==中英文对照==

==中文译者==

==中文译者==