错误：
| 页码 | 具体位置 | 原内容 | 修改后的内容 | 贡献者 |
|---|---|---|---|---|
| 脑图 | 靠上 | 分线性/线性变换 | 非线性/线性变换 | - |
| P1430 | 左下 | a=b=0 | a=1,b=0 | |
| P1438 | 图12-14 | 太靠边以至于+号没了 | 往右靠露出“+” | |
| P1441 | 左中 | 硬叫它激励函数就是误导了 | 硬叫它激活函数就是误导了 | |
| P1485 | 右中 | FPGA，A斜体了 | FPGA |
建议：
| 页码 | 具体位置 | 原内容 | 修改后的内容 | 贡献者 |
|---|---|---|---|---|
| P1438 | 右中 | 在乐高玩具一段下插入一段 | 注意，上文中采用的思路是，用S函数来把一条构造好直线处理成弯曲线，然后用这条弯曲线与原始的、用作分类样点的直线相乘，相乘的目的是把原始分类直线上不需要的区段平抑掉。然后将平抑了非需要区段的所有原始直线相加，便成了最终的曲线。而我们现在要做的是，直接用S函数处理好的弯曲线拼接出目标曲线，不需要原始直线，或者说这些弯曲线就是原始直线。 | 冬瓜哥 |
| P1440 | 左中 | 而如果用这些参数来画曲线的话发现真的会画出一条类似的曲线。 | 而如果用这些参数来画曲线的话发现真的会画出一条类似的曲线。也就是说，整个机器学习的思路就是将各种待识别和分类的实体抽象成在平面上画曲线的数学几何手段。 | |
| P1440 | 左中 | 在上面这段之后插入一段 | 至此，针对分类这个问题，我们有了三个不同的数学模型：直线+与或非处理模型、原始直线与用S函数处理之后的弯曲线相乘平抑不需要区段然后拼接的处理模型、直接用S函数处理后的弯曲线拼接的处理模型。这三种模型对应了不同的数学公式，但是最后都能得到近似结果。这好像成了一个数学问题，没错的。这就像求π可以有多种数学手段一样。最终人们常用的还是上述第三种模型。因为从图12-22中可以明显看出，该模型对应的运算单一，就是多项WiS(Wmx+b)相加，对应的运算就是单纯的乘加。这样的话，采用专用电路去实现就非常方便和高效。 |