機器學習是人工只能的乙個分支，機器學習本身是乙個非常大的概念。輸入資料報括:歷史資料、正確期望值、錯誤期望值
輸入資料後有模型自行進行聚類、規則區分
乙個連續決策的過程，其數學本質是馬爾科夫決策過程。
馬爾科夫過程：對於乙個系統，有乙個狀態轉移到另乙個狀態的過程中，存在著轉移概率，且轉移概率可以通過前一種狀態計算出來，且與該系統的原始狀態和此次轉移前的馬爾科夫狀態無關。
馬爾可夫決策過程:指決策者週期地或連續地觀察具有馬爾可夫性的隨機動態系統，序貫地作出決策。即根據每個時刻觀察到的狀態，從可用的行動集合中選用乙個行動作出決策，系統下一步（未來）的狀態是隨機的，並且其狀態轉移概率具有馬爾可夫性。
讀書筆記 神經網路與深度學習（五）迴圈神經網路
建立乙個額外的延時單元，儲存歷史資訊。延時神經網路在前饋網路中非輸出層都增加了乙個延時器，記錄最近幾次神經元的輸出。這樣就具有了短期記憶能力。自回歸模型是統計學上常用的一類時間序列模型，用乙個變數的歷史資訊來 自己。有外部輸入的非線性自回歸模型是乙個擴充套件，每個時刻都有乙個外部輸入x，產生乙個輸出...
讀書筆記 神經網路與深度學習（三）前饋神經網路
從機器學習的角度看，神經網路一般可以看做是乙個非線性模型。淨輸入z 在經過乙個非線性函式f 後，得到神經元的活性值 activation a，a f z 其中非線性函式f 稱為啟用函式 activation function 啟用函式 啟用函式在神經元中非常重要的。為了增強網路的表示能力和學習能力，...
Python深度學習讀書筆記 4 神經網路入門
神經網路剖析 訓練神經網路主要圍繞以下四個方面 據對映為 值。然後損失函式將這些 值與目標進行比較，得到損失值，用於衡量網路預 測值與預期結果的匹配程度。優化器使用這個損失值來更新網路的權重。層 深度學習的基礎元件 層是乙個資料處理模組，將乙個或多個輸入張量轉換為乙個或多個輸出張量。有些層是無狀態的...