【机器学习】——神经网络与深度学习_机器学习 深度学习 神经网络

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新HarmonyOS鸿蒙全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上鸿蒙开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注鸿蒙）

正文

2、自组织编码深度网络

①栈式AutorEncoder自动编码器

②Sparse Coding稀疏编码

3、卷积神经网络模型（续下次）

拓展：

---

引入

人工神经网络ANN是由大量处理单位（人工神经元）经广泛互连而组成的人工网络，以模拟脑神经系统的结构与功能。ANN可看作以人工神经元为节点，用有向加权弧连接起来的有向图，有向弧的权重表示相互连接的两个神经元间相互作用的强弱。深度学习算法是人工神经网络算法的改进，提高了神经网络算法的性能和应用。

---

一、神经网络及其主要算法

1、前馈神经网络

构成前馈神经网络的各神经元接收前一级输入，并输入到下一级，无反馈，可用一有向无环图表示。图的节点分为两类——输入节点和计算单元。每个计算单元可有任意个输入但只有一个输出，而输出可耦合到任意多个其他节点输入（输出的是同一个值给很多人）。前馈网络通常分为不同层，通常认为输入为第一层，所以单层计算单元的网络实际上是一个两层网络，输入和输出节点可与外界相连，直接受环境影响，称为可见层，其他中间层称为隐层。

2、感知器

感知器模型是为研究大脑的存储、学习和认知过程而提出的一类具有自学习能力的神经网络模型，把神经网络的研究从纯理论探讨引向了工程实现。它是一种双层神经网络模型，一层为输入层，另一层具有计算单元，可以通过监督学习建立模式判别的能力。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注鸿蒙）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**