多层神经网络里的基本算法————反向传播
多层的网络克服了单层的诸多限制，因为它可以创建内部表示，并在每一层学习不同的特征。
阅读全文多层的网络克服了单层的诸多限制，因为它可以创建内部表示，并在每一层学习不同的特征。
阅读全文交叉熵是信息论中一个重要概念，其作用主要用于度量两个概率分布间的差异性信息。
阅读全文Dice损失函数是图像分割任务中常用的损失函数，适用于样本极度不均的情况。
阅读全文由于缺少有效的监督信息，因此期望机器学习技术能够在弱的监督情况下能主动学习有效的数据特征表示。
阅读全文将训练样本划分成 k 个不同的簇，使得簇内样本尽可能相似。
阅读全文决策树构建过程遵循简单且直观的 “分而治之” （divide-and-conquer）学习策略。
阅读全文在二维坐标空间中，线性可分问题是指可以用一条直线将两个类别完全分开
阅读全文感知机由Frank Rosenblatt 于1957 年发明，是一种经典的神经网络架构，也是一种广泛使用的线性分类器
阅读全文W.McCulloch和 W.Pitts基于生物神经元的特点，在1943年首次提出了McCulloch-Pitts（M-P）人工神经元模型
阅读全文