Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
这里补充一下，用转置的方式来求的原因是因为速度会更快（向量化计算），如果有1w个样本，循环计算太慢了。而且转置的形式看起来也比较简洁。
你是人工智能自学路上的大神。太棒了！
比起这节课讲的感知机，频道主的思维方式值得我学习🥰🥰🥰
不但讲清楚了问题，还在循循善诱的介绍方法，受益匪浅～
謝謝講解分享~ 但吹毛求疵一下17:33 我認為 w寫成矩陣或說向量形式，有個意義是代表他是hyperplane的法向量
超牛的视频 - 刷了不止一遍哈
这是我看神经网络教学最顺畅的专辑，非常棒🎉
感谢播主的精彩视频，一口气把几个视频看完，感觉终于明白了卷积神经网络代表了什么样的操作，同时还学习了播主的学习方法。
讲的非常好, 赞一个
解答旨在简洁
感謝知識分享
第一性原理的思考方式。
挺喜欢你的视频风格, 但是16:45 处不是点积哦. 那就是矩阵乘法.
矩阵没有乘法😅，矩阵乘法实际是矩阵的transformation, 理解了点积，你就理解了矩阵乘法，矩阵乘法是矩阵向量坐标变换，从一个矩阵维度空间转换到另一个矩阵空间
说的很好，大受启发，我是一个普通本科生
博主确实厉害👍
真的很棒的视频，博主厉害
你说的有道理
表达能力好
后面让我有点明白了为什么要深度学习
讲的很好，以后的学生有福了，如果学校老师讲不清楚，就来看这
行乘以列，点积所以必须表达成转置矩阵和矩阵相乘的写法，否则确实书写不方便
太牛了，佩服
Artificial Nurual Network :Why Multi-Layer,this is a question ⁉️Solutionsexist or not exist，this is a question ⁉️
類神經網路是一種數學函式多層演算法， 絕非模擬大腦 神經元實體網路的運作機制🎉由於此一函式多層演算法用圖表示， 類似大腦神經元實體網路圖，故取名為「類神經網路」❤它也可以取名為 「AI 教父辛頓函式多層演算法」💯
真棒👍
这个视频展示了学霸是怎么练成的。
❤thanks, you save my life
有被数学证明出来吗？有的话还会被叫黑箱炼金术吗😂
up 应该去搞讲座
f（n) : 不要用 n，用其它英文字元，例如 ： p 比較不會導至誤解 🎉
讲的太好了～
懂了
讲的很明白，但是有个问题，那个多层感知机，为什么叠加后是3种情况？
异或那个吗？是不是把x1与x2 和 非x1与非x2 合并？我耶没听懂
因为上面两个感知机的输出结果有三种啊，(0，0)，(0，1)，(1，0)，所以对于第三个感知机来说，就只有三个输入了。
感觉不重要的和重复的话有点多了？ 不就是个非线性的事吗，从线性说起，再讲区别就足够了。而且从回归讲起会容易理解很多。
错误的地方太多了，用阶跃函数实际上已经能实现非线性了
而且也不是多对一，拜托
你应该没有听懂
博主可以去做 机器学习 的研究了， 而不是 科普
看王木头这钻研能力, 当时为啥只考上二本? 你高中干啥了?
首先，高中的我的确还没有开窍。然后我觉得还有一个因素，我喜欢专研，所以总是会有各种各样的问题。我在一个四线城市接受教育，没有资源帮助我解答这些问题，所以这些心中的问题不只没能帮助我学习，反而还成了负担。
好的老师很重要，很多人本身有天赋，但是被周围的环境（家长、老师、生活环境）误导甚至圈禁了思维、性格。有的人出身在教师世家，那么这种知识资源从小就流水一样，当然占优势了。
@@wkaing 有没有可能是因为偏门？对理性思考的科目感兴趣，对政治历史文学等方面不感兴趣😄
厲害厲害，我自己看書完全不懂
我高中也是大专，父亲和姐姐都是博士，妈也是医生，木头估计和我一样高中喜欢干自己喜欢干的事，没有用心读书，关键中国教材不好，反人性，我绝对同意
НаукаНаука
![KSI - Thick Of It (feat. Trippie Redd) [Official Music Video]](http://i.ytimg.com/vi/At8v_Yc044Y/mqdefault.jpg)
这里补充一下，用转置的方式来求的原因是因为速度会更快（向量化计算），如果有1w个样本，循环计算太慢了。而且转置的形式看起来也比较简洁。
你是人工智能自学路上的大神。太棒了！
比起这节课讲的感知机，频道主的思维方式值得我学习🥰🥰🥰
不但讲清楚了问题，还在循循善诱的介绍方法，受益匪浅～
謝謝講解分享~ 但吹毛求疵一下
17:33 我認為 w寫成矩陣或說向量形式，有個意義是代表他是hyperplane的法向量
超牛的视频 - 刷了不止一遍哈
这是我看神经网络教学最顺畅的专辑，非常棒🎉
感谢播主的精彩视频，一口气把几个视频看完，感觉终于明白了卷积神经网络代表了什么样的操作，同时还学习了播主的学习方法。
讲的非常好, 赞一个
解答旨在简洁
感謝知識分享
第一性原理的思考方式。
挺喜欢你的视频风格, 但是16:45 处不是点积哦. 那就是矩阵乘法.
矩阵没有乘法😅，矩阵乘法实际是矩阵的transformation, 理解了点积，你就理解了矩阵乘法，矩阵乘法是矩阵向量坐标变换，从一个矩阵维度空间转换到另一个矩阵空间
说的很好，大受启发，我是一个普通本科生
博主确实厉害👍
真的很棒的视频，博主厉害
你说的有道理
表达能力好
后面让我有点明白了为什么要深度学习
讲的很好，以后的学生有福了，如果学校老师讲不清楚，就来看这
行乘以列，点积所以必须表达成转置矩阵和矩阵相乘的写法，否则确实书写不方便
太牛了，佩服
Artificial Nurual Network :
Why Multi-Layer,
this is a question ⁉️
Solutions
exist or not exist，
this is a question ⁉️
類神經網路是一種數學函式多層演算法，
絕非模擬大腦 神經元實體網路的運作機制🎉
由於此一函式多層演算法用圖表示， 類似大腦神經元實體網路圖，故取名為「類神經網路」❤
它也可以取名為 「AI 教父辛頓函式多層演算法」💯
真棒👍
这个视频展示了学霸是怎么练成的。
❤thanks, you save my life
有被数学证明出来吗？有的话还会被叫黑箱炼金术吗😂
up 应该去搞讲座
f（n) : 不要用 n
，用其它英文字元，例如 ： p 比較不會導至誤解 🎉
讲的太好了～
懂了
讲的很明白，但是有个问题，那个多层感知机，为什么叠加后是3种情况？
异或那个吗？是不是把x1与x2 和 非x1与非x2 合并？我耶没听懂
因为上面两个感知机的输出结果有三种啊，(0，0)，(0，1)，(1，0)，所以对于第三个感知机来说，就只有三个输入了。
感觉不重要的和重复的话有点多了？ 不就是个非线性的事吗，从线性说起，再讲区别就足够了。而且从回归讲起会容易理解很多。
错误的地方太多了，用阶跃函数实际上已经能实现非线性了
而且也不是多对一，拜托
你应该没有听懂
博主可以去做 机器学习 的研究了， 而不是 科普
看王木头这钻研能力, 当时为啥只考上二本? 你高中干啥了?
首先，高中的我的确还没有开窍。然后我觉得还有一个因素，我喜欢专研，所以总是会有各种各样的问题。我在一个四线城市接受教育，没有资源帮助我解答这些问题，所以这些心中的问题不只没能帮助我学习，反而还成了负担。
好的老师很重要，很多人本身有天赋，
但是被周围的环境（家长、老师、生活环境）误导甚至圈禁了思维、性格。
有的人出身在教师世家，那么这种知识资源从小就流水一样，当然占优势了。
@@wkaing 有没有可能是因为偏门？对理性思考的科目感兴趣，对政治历史文学等方面不感兴趣😄
厲害厲害，我自己看書完全不懂
我高中也是大专，父亲和姐姐都是博士，妈也是医生，木头估计和我一样高中喜欢干自己喜欢干的事，没有用心读书，关键中国教材不好，反人性，我绝对同意