神经网络算法学习感悟
神经网络和遗传算法有什么关系？
神经网络和遗传算法有什么关系？
遗传算法是一种智能优化算法，神经网络是人工智能算法的一种。
可以将遗传算法用于神经网络的参数优化中。
神经网络阈值怎么计算的？
同意通过取数据的期望值，然后计算数据的标准差，训练取期望值上下多少倍的标准差即可。
python神经网络可以做什么？
python神经网络有很多种，比如BP神经网络在函数逼近，模式识别，分类及数据压缩等领域有应用。RBF径向基神经网络能够以任意精度逼近任意连续函数，所以在图像处理，语音识别，时间系列预测，雷达原点定位，医疗诊断，错误处理检测，模式识别等领域有应用。循环神经网络在自然语言处理，例如语音识别、语言建模、机器翻译等领域有应用，也被用于各类时间序列预报或与卷积神经网络相结合处理计算机视觉问题。长短期记忆网络（LSTM）在不分段连续手写识别上，语音识别等领域有应用，卷积神经网络在计算机视觉，自然语言处理，物理学，遥感科学，大气科学等领域有应用。还有其他一大堆神经网络，他们都在各个领域都有应用。
python可以实现神经网络
譬如，可以使用tensorflow实现一个神经网络，这可能是更简单高效的方法，可以参考tensorflow入门指南中的第二节，实现一个简单的神经网络。
人工神经网络是一种经典的机器学习模型，也在逐渐往前发展，？首先需要注意一些概念性的问题，经典的BP神经网络一般由输入层，隐含层和输出层，其中输入层和输出层之间有着多对多的映射关系，输入层神经元个数影响特征数，输出层个数决定类别数，每个神经元代表一次数据的处理，即一种特定的“函数”，除这些概念性的定义外，还需要在其中加入一些算法等就能实现使用python做的神经网络。
利用神经网络算微分方程的优点？
存储效率：我们不需要在反向传播时存储所有的参数和梯度
自适应计算：采用离散化方案，既能平衡速度和精度，又能在训练和推理过程中保持不同的精度
参数效率：将相邻的“网络层”的参数自动连接在一起(见论文：)
标准化流，是一种新型的可逆密度模型
连续时间序列模型：连续定义的动态过程可以方便地接受任意时刻输入的数据。