一、目标 推导具有单隐层的神经网络的前向传播和反向传播算法，并进行编程（可以使用sklearn中的神经网络）。 探讨10，30，100，300，1000，不同隐藏节点数对网络性能的影响。 探讨不同学习率和迭代次数对网络性能的影响。 改变数据的标准化方法，探讨对训练的影响。 查阅资料说明什么是Hebb学习规则

作业要求 实现FINDS算法 实现ID3算法 不要调库自己写。如果有能力可以继续用课件里的数据集测试两个算法（用天气的4条记录测试FINDS，用贷款的15条记录测试ID3）给出训练误差测试误差等； 再有能力可以使用更大的数据集测试算法。

fisher算法及其实现 请实现fisher算法，并采用自己随机生成2类数据（每类100个）的方式，验证自己的算法。参考资料:https://blog.csdn.net/pengjian444/article/details/71138003

记录一下自己暑假在实验室做的一些事情和收获吧。 虽然进步很小很缓慢，但总归是有的。 7月13日 关于论文的主要内容，学长进行了讲解： 任务目标：通过迁移学习实现用户对齐问题，并将对齐结果与其他的用户对其方法进行比较：其中的方法包括“监督类型的”和“非监督类型的”，最终论文里要将我们的方法与其他至少三四种方法进行比较。

1.迁移学习的基本概念1.2 迁移学习基本概念 核心问题：找到新问题和原问题之间的相似性，才可以顺利地实现知识的迁移。 定义：迁移学习，是指利用数据、任务、或模型之间的相似性，将在旧领域学习过的模型，应用在新领域的一种学习过程。 1.3 为什么要迁移学习这个表格包括了1.3的所有内容，可以只看这个表格：