大号头儿

神经元的输出，在作用激励函数（也有称激活函数）之前，是权重和输出的点积，形如： w·x+b的形式，wx可以理解，b代表什么意思？ 最初的最简单神经网络，输入输出是线性变换，当权重和输出的点积大于某一个阈值的时候，输出1，否则输出2.如下 wx>t------输出1 wx<t------输出0 t衡量输出1的难易度。这个算式变换一下： wx-t>0----输出1 wx-t<0----输出0 我们用b代替-t。这就是偏执值。所以b也是衡量激活难易的参数。这一方式貌似发展到有激活函数的神经网络后就用处不大，比如有的网络就取消了b参数简化运算。

这里不说乘法，大家都知道 先看几个测试语句： import numpy as np a=np.random.rand(2) print(a) print(*a) 输出结果： [0.95721482 0.55708755] 0.9572148191916312 0.5570875529243636 数列被变成空格分成的数据，是不是字符串呢？我们再检验一下： b=(*a).split(" ") 输出错误提示： File "cell_name" , line 7 SyntaxError : can't use starred expression here 看来标星的变量不能这么用，经过验证，也不能赋值给别的变量，比如不能c=(*a),是不是分解成两个独立的数据呢？比如函数的参数有多个并且不确定数量的时候，也用*arg这种形式。我们测试一下 import numpy as np def add(a,b): return a+b a=np.random.rand(2) print(a) c=add(*a) print(c) 结果：[0.03414016 0.46147024] 0.4956103991927776 猜想正确。*只能用在迭代类型上，比如元组，列表

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。 例如： 背包问题 有一个背包，背包容量是M=150kg。有7个物品，物品不可以分割成任意大小。要求尽可能让装入背包中的物品总价值最大，但不能超过总容量。 物品 A B C D E F G 重量 35kg 30kg 6kg 50kg 40kg 10kg 25kg 价值 10$ 40$ 30$ 50$ 35$ 40$ 30$ 贪婪算法可以是一下几种： 1：选区价值最高者 2：选区重量最小者 3：选区单位价值最大者