程式設計師如何正經地回答：什麼是人工智慧機器學習？
阿新 • • 發佈：2018-11-30
深度學習是最熱門的AI技術之一。基本原理是構建一個多層神經網路。在使用標記資料進行訓練之後，網路適合於適合問題解決方案的功能。
深度學習的三個步驟：
首先，您必須定義此問題並闡明問題的輸入和輸出。
然後，設計一個適合問題的神經網路。
此外，在訓練資料之後，獲得輸入和輸出之間的對映關係。
例如，小明今天出去的問題取決於三個因素。在下雨嗎？、情緒好嗎？
輸入：
是否下雨
好嗎？
有人有預約嗎？
輸出：
是否出門
我們的目標是找到這種輸入到輸出的對映。
對於這樣一個簡單的問題，我們使用一個簡單的神經網路，一個神經元。
神經元的結構是
輸入層：對應三個輸入，每個輸入包含三個權重（權重表示此輸入對問題的重要性）
輸出層：只有一個輸出。
然後，我們要讓這個神經元看到很多小明的資料，讓他判斷小明是否出去告訴他是對還是錯。在我們不斷告訴他他是對是錯之後，他就像一位老師一樣指導他，直到他越來越準確地回答問題。
然後我們將找到一個可以解決這個問題的神經網路。
整個過程稱為深度學習。它之所以被稱為深度學習，是因為複雜的問題會使用很多神經元，即一個非常深的神經網路。