问：AI数学基础13——深层和浅层神经网络
- 答：来源于Andrew Ng, 《Why deep representations?》
浅层（shallow）神经网络，顾名思义就是层数很少的神经网络，比如隐藏层的层数为1，如下所示：
深层（Deep）神经网络，顾名思义就是层数很多的神经网络，如下所示：
使用深层（Deep）神经网络的机器学习，就是深度学习，按照Andrew Ng的意思，Deep Learning 是一个带有更多市场宣传意味的词，在工程实践中，还是要从层数比较少的神经网络开始，慢慢的加深，直到有效的解决问题。
深层神经网络相对于浅层神经网络的优势有：
1， 提取更加复杂的特征。
在一个神经网络中，位于较浅位置的神经元从输入中提取的是较为简单的一些特征信息，而随着层次的加深，神经元将提取愈加复杂的特征信息，从而使得神经网络能够做出更准确的判断。
2， 避免神经元数量指数增加
问：浅层神经网络，激活函数
- 答：优点：
缺点：
双曲正切函数等于双曲正弦与双曲余弦的比值，即
优点：
缺点：
z为正时，导数等于1；z为负时，导数等于0；z为0时，导数是没有定义的。
好处：
优点：
缺点：
for j=1,...,K
做二分分类， 激活函数很适合作为输出层的激活函数，其他所有单元都用ReLU函数。
tanh函数几乎在所有场合都更加优越
最常用的默认激活函数是ReLU
如果使用线性激活函数，那么神经网络只是把输入线性组合再输出，一直在计算线性激活函数，不如直接去掉全部隐藏层。模型的复杂度会和没有任何隐藏层的标准逻辑Logistic回归一样。
问：论文摘要求翻译!!!
- 答：Lung cancer is a disease with high morbidity and mortality，it can be divided into small cell lung cancer and non-small cell lung cancer. due to pletely difference of the clinical treatment and prognosis between small cell lung cancer and non-small cell lung cancer, it is of great significance to assist clinicians to identify classification diagnosis.
By firstly using the method of image segmentation to extract lung parenchyma from the lung cancer CT image in this article, and create the gray level urrence matrix which
is utilized to extract image texture feature of lung parenchyma. - 答：你百度汉译英吧，那个快你也看的清楚
