深度学习基础（四）--BP神经网络和线性回归

总结一下今天的学习过程

1，上午单步调试了简易的BP算法，结合算法原理，查看了每一步的求解过程

     看的算法是简易版的，用的结束条件是循环次数，没有考虑error阈值以及另外一个因素（想不起来了忘记了），导致了当隐含层增加时，到时错误结果率大大增加，有待尝试结合另外两个结束条件约束增加新的判断条件

     理解了初始化权重weight数组以及偏移量bairs以及权重的更新

2，剩下的一天的时光看了线性回归

     简单的线性回归

     多元化的线性回归

     自变量中带有离散值的多元化线性回归

     运用梯度下降法的线性回归代码，并做了单步调试，查看每行代码的输出结果，但是对梯度下降法理解还是一窍不通

     梯度下降法：每一步都找到下降最快的点走。对函数求偏导使其值为零，仅仅知晓了概念，概念都不能理解，更别说逻辑以及变通算法多应用了，希望明天能有进步吧

美好的一天，明天加油