1. 程式人生 > >深度學習——概論學習筆記

深度學習——概論學習筆記

borde room 輸出 技術分享 轉換成 訓練 識別 修正 inf

1. 什麽是神經網絡

例1:房屋價格預測

房屋大小(輸入x)->函數(神經元)->房屋價格(輸出y)

例2:房屋價格預測(多神經元)

輸入 隱藏單元 輸出
size -> family price
bedrooms walkability
zip code school quality
wealth

給足夠多的(x, y)樣本,神經網絡就會找到最好的映射方法

2. ReLu修正線性單元:函數的特點是開頭一部分的取值為0(避免不可以小於0的情況)

3. 監督學習supervised learning

已知輸入x和輸出y(標簽),通過樣本學習出一個映射函數

比如:自動駕駛、翻譯、廣告(是否能被點擊)、房價估值、音頻轉換成文字、圖像識別

技術分享圖片

4.結構化數據:每個數據有確定的定義,數據庫

非結構化數據:如音頻、視頻、圖像、文字等

5. 為什麽深度學習會興起?

數據量的增大,計算性能的提高(可以處理更多的數據,訓練更大的神經網絡)、算法(提高計算性能)

更大的網絡,更多的數據,更好的算法性能(訓練出的效果更好)

深度學習——概論學習筆記