简单的神经网络建模

可以的，同学如果是辅导需求比较多的话可以直接和授课老师进行沟通，但是需要的是同学先添加一下课程顾问老师微信，顾问老师需要帮助同学匹配一下具体的辅导老师。

神经网络体系结构

神经网络可以被认为是一个分层组织的“神经元”网络。预测(或输入)形成底层，预测(或输出)形成顶层。也可能有包含“隐藏神经元”的中间层

最简单的网络不包含隐藏层，相当于线性回归。数字11.11显示了具有四个预测因子的线性回归的神经网络版本。这些预测因子的系数被称为“权重”预测是通过输入的线性组合获得的。权重在神经网络框架中使用“学习算法”来选择，该算法最小化“成本函数”，例如均方误差。当然，在这个简单的例子中，我们可以使用线性回归，这是一种更有效的训练模型的方法。

神经网络自回归

对于时间序列数据，时间序列的滞后值可以用作神经网络的输入，就像我们在线性自回归模型中使用滞后值一样(第8).我们称之为神经网络自回归或NNAR模型。

上为最简单的神经网络建模，我们的老师均为硕士以上的学历，同学具体的课程学习难题我们都是可以解决的。具体需要辅导的内容同学可以和授课老师进行沟通。