基于看到一个博客的大佬说自己学的东西太多了，很容易遗忘。我觉得我目前也出现这样的问题了，所以在这里开了博客，开始记录整理自己的学习之旅。

  今天看了这本书的前几章，看这个书的目的是为了1个多月后的数学建模，数学建模今天听teammate说，建模的方法其实都是类似的。优秀的建模作品是考虑了多因子，在参数的控制上，误差的分析上做的比较好。我的思考是既然是这样，那我就要提前准备好几个比较通用的模型加上代码，然后在此基础上深入了解她的其他功能。【嘿嘿，现在真的越来越喜欢IT了，就用‘她’这个称呼了，如果美丽可爱的女票看到别耍小脾气噢】。

  想起一件事情：我要每次把我的小work放在一个文件夹里面。这样方便查找，命名格式：主题--时间

  数学模型，按我现在的学识，有分：线性和非线性，非线性里面有前馈和反馈的区别。

【一】线性神经网络工具箱函数

   先解释几个名词：

  ①学习率：

学习率实际和信号分析里的时间常数是一样的，学习率越小 学习会越精细，但同时学习速度也会降低，因为现实中很多模型都是非线性的，犹如一条曲线，梯度下降采用很多小直线迭代去逼近非线性的曲线，如果每一步跨度太大（学习率）就会失去很多曲线的扭曲信息，局部直线化过严重，跨度太小你要到达曲线的尽头就需要很多很多步，这就需要更多的样本，所以这个也要考虑实际问题再来决定学习率的。

==》我们模型的建立是不需要很赶时间的，所以学习率越小越好。

  ②网络的权值与阈值：

  问题：那为什么我下面的这个代码的权值和阈值可以设置的那么大？还有为什么只用有限个激活函数，有这么万能吗？或者这么万能的原因是什么？

  我觉得我还是先接触视频讲解比较合适。先去看视频了。