谷歌大脑深度学习从入门到精通视频课程[1.5]：前馈神经网络——神经网络的能力

AI100 已经引入 Hugo Larochelle 教授的深度学习课程，会每天在公众号中推送一到两节课，并且对视频中的 PPT 进行讲解。课后，我们会设计一系列的问题来巩固课程中的知识。本节课是 Hugo Larochelle 教授深度学习的第五节课。

课程主要内容

1. 回顾上一节课的内容。（P2-P3）
2. 神经网络隐藏层神经元的函数叠加。（P4-P6）
3. 神经网络可以拟合任何复杂的函数。（P7）

PPT 解释如下：

P1. 首页

P2. 内容回顾，主要讲解了单个神经网络的能力非常有限，它都解决不了XOR任务。

P3. 回顾上一节课的内容，主要讲了只有一层隐藏层的神经网络结构。

P4. 假设隐藏层只有两个神经元，左边的图表示左边的隐藏层神经元，右边的图表示右边的隐藏层神经元，那么两幅图进行相减操作，就可以得到输出神经元的图像，即最上面那副图。这页主要在讲，每个神经元的能力分析。

P5. 这页就是把上一页的两个隐藏层神经元推广到四个神经元。

P6. 在二维情况下描述神经元能力。

P7. 只要有足够多的隐藏层神经元，那么神经网络就可以拟合任何复杂的函数。

课程作业

因为神经网络可以拟合任何复杂的函数，所以当我们在训练集上面完全拟合了数据，那么在测试集上面我们也能完全拟合？

（A）是的 （B）不是的

讲师简介

Hugo Larochelle 教授师从 Yoshua Bengio 教授，并且在 Geoffrey Hinton 教授那里做了两年的博士后工作。目前 Hugo Larochelle 教授是 Google Brain 的研究科学家。他在 Youtube 上面的神经网络课程视频讲的深入浅出，非常适合从零开始学习。

本文为 AI100 原创，转载需得到本公众号同意。