1.什麼是神經網路
深度學習是指訓練神經網路的這個過程,那麼神經網路是什麼,我們可以從房價**的例子說起:
前提是你的有乙個資料集,假設這個資料集中包含有六棟房子的資訊(面積和房屋**),這時,你想要擬合乙個根據房屋面積**房價的函式.我們假設擬合如下圖所示的直線.
作為乙個神經網路,這可能是最簡單的神經網路.我們把房屋面積(x)作為神經網路的輸入,通過乙個節點(上圖的乙個小圓圈),最終輸出了**(y).其實這個小圓圈就是乙個單獨的神經元.然後你的網路實現了左邊這個函式的功能.
神經網路的一部分神奇之處就在於:當你實現它之後,你要做的就只是輸入x,就能得到輸出y.因為它可以自己計算你訓練集中樣本的數目以及所有的中間過程.
另外指的注意的是神經網路給予足夠多的關於x和y的訓練樣本,神經網路將會非常擅長計算x到y的精準對映函式.
2.神經網路的監督學習(supervised learning)
神經網路種類很多,考慮到他們的使用效果,基本上都離不開一種叫做監督學習的機器學習類別.
在監督學習中你有一些輸入的x,此時你想學習到乙個函式來對映得到一些y,例如我們之前提到的房價**的例子,你只要輸入有關房屋的一些特徵,試著去輸出或估計**y.以下是其它一些神經網路應用到其他方面的例子.
機器學習不僅可以應用與結構化資料,同時對於非結構化的資料也有很好的應用,結構化的是資料往往意味者資料的基本資料庫.例如我們在房價**中,可能有乙個資料庫,其中有專門的幾列會展示給你房屋的大小,或者房屋距離學校的長度,這就是結構化的資料.
相反對於非結構化的資料,比如音訊,或者識別的影象或文字中的內容,而這裡面的特徵可能是影象中的畫素值或文字中的單個單詞.
機器學習，深度學習，神經網路，深度神經網路
先來說一下這幾者之間的關係 人工智慧包含機器學習，機器學習包含深度學習 是其中比較重要的分支 深度學習源自於人工神經網路的研究，但是並不完全等於傳統神經網路。所以深度學習可以說是在傳統神經網路基礎上的公升級。神經網路一般有輸入層 隱藏層 輸出層，一般來說隱藏層大於2的神經網路就叫做深度神經網路，深度...
深度學習 深度神經網路
神經網路是由乙個個神經元相互連線並按層次排列構成的，深度神經網路是有任意層的神經網路，這裡的深度是指層次的多，而不是神經元數量的多。有任意層，那麼就要有乙個迴圈來負責遍歷每一層進行計算。所以深度神經網路的計算形式，就必須要適應這個迴圈結構。我們先來說說神經元吧 對於多神經元神經網路，其實也是一樣的。...
深度學習概論 什麼是神經網路
深度學習指的是訓練 神經網路 所謂訓練就是和正確的結果對比，然後不斷更正有操作的偏差。就像且土豆絲，不斷調整自己下刀的厚度，既不能太細，也不能切成塊。什麼是神經網路 乙個簡單的神經網路。現在假設我們有一些關於房屋的資料集，這個資料集裡面包含了房屋的面積以及房價。我們希望從房屋的面積大小來 該房屋的 ...