在監督學習中，輸入x，習得乙個函式，對映到輸出y。比如上述應用於房價**的例子，輸入房屋的一些特徵，就能輸出****。
資料規模不大時，各種演算法之間的優劣很難衡量，最終的效能更多取決於手工設計元件的技能。
由於傳統的機器學習模型無法處理海量的資料，資料規模過大後，它們的效能變進入了瓶頸期。與20年前相比，現在收集海量資料輕而易舉。很多應用領域中，我們收集的資料量遠超傳統機器學習演算法所能發揮作用的規模。神經網路則不然。
規模越大的神經網路效能便越好。若要達到這麼高的效能水平有兩個條件，第一是需要訓練乙個規模足夠大的神經網路，以發揮資料規模量巨大的優點；第二需要大量的資料。所以，規模一直在推動深度學習的發展。
AI 深度學習概論
什麼是是神經網路？假如有6間房屋的資料集，已知房子的面積，單位是平方公尺或平方英呎，已知房子的 如果通過這6間房子的 和房子的面積，房子的 首先要建立起乙個資料模型 x軸為 y軸為房子面積的模型 用這些資料，來擬合一條直線，但是明白一點，不可能為負數，然後一條擬合直線出來了 這個 房價的模型，是最簡...
深度學習概論學習筆記
神經網路是乙個受大腦工作方式開發出來的強力學習演算法 我的理解是模擬spring框架中 mvc的 dao層，service層，和 controller層。只不過service層是可以學習 並且自己開發的的。x 輸入 y輸出 假設將3個64x64的矩陣提取出來放入特徵向量。總值為64x64x3 122...
深度學習之基本概論
深度學習 dl,deep learning 是機器學習 ml,machine learning 領域中乙個新的研究方向，它被引入機器學習使其更接近於最初的目標 人工智慧 ai,artificial intelligence 深度學習是學習樣本資料的內在規律和表示層次，這些學習過程中獲得的資訊對諸如文...