标签：
课程地址：https://class.coursera.org/ntumltwo-002
1.神经网络（NNet）的动机？
单个感知机（perceptron）模型简单，能力有限，只能线性分割。通过组合感知机模型很容易实现逻辑与、或、非，以及凸集合，但不能实现异或运算，能力有限。多层次的感知机(perceptrons)模型，不仅能实现异或，功能更为强大。
2.神经网络的输出，可以是分类、回归、逻辑回归的任意一种。
3.神经网络中神经元的激活函数（转换函数），课件中介绍的tanh（s）
4.最终的神经网络模型，神经网络的结构、输入、输出、连接权、阀值、转换函数。
5.如何求连接权Wij。
6.BP算法步骤：
7.神经网络的优化。当有多个隐藏层时，Ein基本上不是凸函数（non-convex），BP算法很可能获得局部最优解，而不是全局最优解。下面三种经验做法在一定程度上能帮助解决问题：
标签：
原文地址：http://www.cnblogs.com/wxquare/p/5346558.html
