什么是“感知机”，它的缺陷为什么让“神经网络”陷入低潮 

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。

比起这节课讲的感知机，频道主的思维方式值得我学习🥰🥰🥰

你是人工智能自学路上的大神。太棒了！

不但讲清楚了问题，还在循循善诱的介绍方法，受益匪浅～

超牛的视频 - 刷了不止一遍哈

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。

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

这是我看神经网络教学最顺畅的专辑，非常棒🎉

讲的非常好, 赞一个

第一性原理的思考方式。

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

感謝知識分享

说的很好，大受启发，我是一个普通本科生

真的很棒的视频，博主厉害

你说的有道理

博主确实厉害👍

Artificial Nurual Network : Why Multi-Layer, this is a question ⁉️ Solutions exist or not exist， this is a question ⁉️

后面让我有点明白了为什么要深度学习

表达能力好

太牛了，佩服

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

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」💯

up 应该去搞讲座

真棒👍

这个视频展示了学霸是怎么练成的。

有被数学证明出来吗？有的话还会被叫黑箱炼金术吗😂

❤thanks, you save my life

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？

懂了

讲的太好了～

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。

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?

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.