從上述例子可以了解到針對很多語言上的應用，其實是需要網路有記憶功能，才有機會可以從前後字詞關係，去理解整個句子的意思，也就是語意理解的功能。因此，遞迴類神經網路(RNN)就是要去解決這樣的痛點而誕生的方法。

為何要使用自編碼器?

那我們該如何尋找網路的權重呢?其實存在很多種方法，以最簡單而言，可以隨機給定一組權重，來看看結果好不好?如果不好，就一直反覆隨機嘗試不同權重。而這樣的方法，如果是非常非常簡單的模型，權重在非常少的數目下，確實有可能可以找到不錯的權重。可是如果網路越來越複雜，所需要決定的權重很多，我們就很難透過這種方法去尋找，因為最後就會發現排列組合太多了，根本難以找到最佳的權重。而反向傳播法正是為了要解決這樣的問題，透過從理論建立一套系統化的方法，讓我們可以很方便快速地尋找到最佳權重。

本集節目聽完李弘毅老師的講解之後有感而發，再透過自己的想法整理出來，此篇內容也同時放在部落格上https://peterlihouse.com/%e9%a6%96%e9%a0%81/%e7%9f%a5%e8%ad%98%e5%88%86%e4%ba%ab/%e6%b7%ba%e8%ab%87%e6%9c%80%e8%bf%91%e9%9d%9e%e5%b8%b8%e7%81%ab%e7%b4%85%e7%9a%84chatgpt%e8%83%8c%e5%be%8c%e5%8f%af%e8%83%bd%e5%8e%9f%e7%90%86%e6%a9%9f%e5%88%b6%e7%82%ba%e4%bd%95/

在做結構設計時必須要先了解所使用材料之力學性質，而這時候就需要透過判讀實驗所獲得之應力應變圖，來了解材料性質，以下就透過幾個常見的應力應變圖問題，來了解應力應變圖。

梯度基本上是用在多變數函數上的一個數學方法，對於多變數函數而言，每多一個變數就會多一個變數的斜率，梯度等於是描述在多變數函數在每個變數上斜率，因為每個變數代表不同方向，所以梯度具有方向性才能完整描述多變數函數在各個斜率上的變化。

時下最熱門的AI深度學習方法----類神經網路，到底為什麼大家會這麼風靡這個技術?有什麼樣獨一無二的原因呢?它的運作原理為何?本篇文章快速帶您了解類神經網路的全貌！

最近發現大家生活很忙碌，時常也感到有壓力，也很緊繃，就會想要過好的生活，在這種緊繃的生活中，追求小確幸。而我發現到最近有起來一些不錯的文創商品

類神經網路是什麼?為什麼最近很熱門？為什麼在某些情境下一定需要這樣的技術呢?

人生是不斷變動的趨勢，唯有自己在每個時間點下，不斷反思，改進改變才有可能讓我們活出自己最想要的人生!