1、Jamie

2、　　狂风里的拥抱

3、    你希望小明根据客人的这三个特征来给出它认为客人会点剁椒鱼头的概率。这里的0或者1是布尔值，即1代表’是‘，0代表’否‘。

4、　　月下弄人醉

5、    要清理出这条小路，我们要看清这条小路所属的交通网的样子。幸好，这个交通网对于我们来说已经是老朋友了。

6、b₁₁_delta=-(-a₁₁h₁g₁(1-g₁)e₁d₁₁(1-d₁₁))=a₁₁h₁g₁(1-g₁)e₁d₁₁(1-d₁₁)

7、给爷跪下

8、    现在我们看一下能不能找到在坐标系中找到一条直线将两种分类结果分割。

9、　　4聆风听雨(难懂又有深意的英文网名)。

10、记住，这是一次充满惊喜与感动的迷宫之旅，千万别急着寻找出口，那除了徒然增加焦虑外，还会让你失去阅读本书的乐趣。

11、　　3厌倦生活

12、激活函数，本文中采用sigmoid函数最优化方法，本文中采用梯度下降法损失函数，本文中采用平方误差函数

13、泡泡糖Bubblegum

14、    不过我们为了使我们的神经网络的训练结果具有普遍性，提供给了小明4位客人的数据，他就成了一位大渣男，他的目的是同时找到4位梦中人。他的终极目标是家里彩旗飘飘，即同时使4个预测的误差为0。

15、⑥的结果: dc₁₁/db₁₁=a₁₁ 因为我们只着眼于第一个女孩相关数据的变化，所以a₁₂b₂₁+a₁₃b₃₁对于我们是一个常数，我们将它看作常数k，则c₁₁可以写作c₁₁=a₁₁b₁₁+k，运用我们的第二条结论得到结果。

16、　　3爱的咖啡杯

17、前馈FeedForward:前馈是神经网络做出预测的过程，也就是小明所知道的，如何根据神经网络做出预测，同时也就是上面蛋糕例子中的，小明在某个位置松开钉子，钉子落在蛋糕内侧的过程。梯度下降GradientDescent:梯度下降是神经网络训练过程中的方向守则，记得小明的小目标么，在下次预测后被打的轻一点，所以它会选择一个使误差下降得最快的方向，根据这个方向调整自己的松开钉子的位置做出预测。我们上面的图片只有有沿着蛋糕边向右下的一个方向，因为这是个极简的例子，再往下的一张图片可以给你一个直观感受，即小明调整权重的方向是二维的。如果在层级更多的神经网络中，其调整权重的反向是高维的。反向传播BackPropagation:反向传播是神经网络调整自身的标尺，在一次预测过后小明知道了本次预测的误差，他想下次误差减小的方向调整自己的思路，那么它该怎么调整自己的思路呢，还记得小明的大脑么？那连接着神经元之间的16个分别有各自权重的紫色的线，如何对这16个值分别进行调整，反向传播就是我们计算这些调整的依据。至于为什么叫反向传播，到了后半部分会有详细解释。全局最小值GlobalMinimum: 全局最小值是完美预测的位置，是神经网络的终极目标，也就是小明的预测结果与实际数据差距为0的位置。

18、    当他醒来，他想不起任何朋友的联系方式。

19、因为你并不知外国记者，他们会问出多么可笑的问题来。这时候，急中生智或者是开个玩笑，就显得格外的重要了。

20、    在这里我直接列出求导结果，如图中所示，结果为sigmoid(x)*(1-sigmoid(x))，如果对推导过程感兴趣，我将在文章的最后列出，推导过程所需要的一些知识会随着文章的进行告诉你。

21、闽中语：主要分布于福建中北部的三明、永安、沙县等地区，以永安话为代表，是闽语中使用人数最少，适用范围最窄的一种方言。

22、    我们创建了一个叫做l0的矩阵，并且它的值与X保持一致，也就是说，l0是我们的输入层(InputLayer)。

23、    如果你对‘神经元通过突触连接’这种结构没什么印象，那么我简单的给你举一个例子。

24、   x1,y1的值正是分别代表某次预测时，Synapses0和Synapses1的值(Synapses0和1其实是两个矩阵，如果你不清楚矩阵的概念，放心，我会在之后说明的)。也就是说，某个红点对应的x,y坐标分别代表小明的两组权重syn0和syn1

25、　　4挽留不住的光阴

26、56)、七十二巷

27、    图片的神经元结构部分只描述了第一位客人相关的数据，下方的矩阵部分包含了四位客人相关的数据。

28、onlooker(旁观者)

29、　　2鱼遇海

30、至于发音，一言难尽。先给结论吧：12岁之后(也就是超过语言关键期)练好发音得各种“口音”都听，提高耳朵分辨正确发音的能力，才是提高发音最科学的办法。

31、《霍比特人详注本》吧，从我还在贵景实习就知道在做了的项目，蚂蚁竞走八年了……孩子望眼欲穿啊。@莉莉

32、　　3放肆的沉沦

33、TheCloudSong(云中歌)

34、　　1午后阳光

35、Somnus(罂粟花；睡眠)

36、    因为输入层的每个激活值都对传递到隐藏层的所有神经元的信息作出了贡献，比如，我们上面的四个式子全都包含a₁₁、a₁₂、a₁₃。这就要求隐藏层中的每个神经元都有突触与输入层的神经元连接。也就是矩阵l0的一行有几个元素(有几列)，矩阵syn0的一列就应该有几个元素与之对应(有几行)。

37、    这就是我们的第15行所做的事情，用我们提供的真实数据减去小明做出的包含4个预测的那个列向量，得出一个包含四次预测误差的4x1列向量：l2_error。

38、以上四句话截取自贾宝玉梦遇太虚环境警幻仙姑时，雪芹为仙姑所留之赋。这篇赋在我印象中并无正式命名，我斗胆称之为警幻赋。其式仿自曹子建的洛神赋，皆意在描绘仙子之美。我将这几句话放在这里，主要有两点原因。

39、德译版精灵宝钻，目前只在挑段落看但就我浅薄的德语水平而言译笔非常有意思，想要找大块的时间一口气通读！@安安

40、老友：这故事里有女性角色吗？

41、　　4疏雨梧桐

42、　　3月倚轻云

43、。。。。。。。

44、    图片左侧下方的式子代表sigmoid(x)的值相对于x的值变化率，d代表derivative，即导数的意思。

45、    小明看到了四位女孩，凝集心神，发现她们并不是自己所追寻的那四位女孩。

46、    回到我们的上文提出的结论：

47、　　画船听雨眠

48、凭借着跨度极大的知识脉络，熊逸用整套书搭建了一个合理稳固的知识框架，用现代角度反观儒学经典，行文极具个人魅力。

49、g₁=sigmoid(f1)

50、风庭月榭，惜未宴集诗人。杏帘溪桃，或可醉飞银盏。

51、　　4浊酒尽余欢

52、　　2提笔濯砚

53、　　2眼角有泪

54、　　4半墓尘沙