1.主要内容:
1、使用房价预测的例子来建立最简单的由神经元组成的神经网络模型;
2、逐步增强神经网络模型的复杂度,建立标准的神经网络模型结构;
3、从监督式学习入手,介绍了不同的神经网络类型,包括Standard NN、CNN、RNN。
4、数据分为结构化数据和非结构化数据。在处理非结构化数据上,深度学习的处理能力近年来提高的非常快,例如图像处理、语音识别和自动翻译等。
5、深度学习飞速发展的原因有三点:大数据,GPU云计算和深度学习算法。
2.什么是神经网络?
深度学习是复杂的神经网络(Neural Network)。那么,什么是神经网络呢?下面通过一个简单的例子来引入神经网络模型的概念。
假如我们要建立房价的预测模型,我们已知输入x(每个房子的面积多少平方米),还知道其对应的输出y(每个房子的价格多少万元)。
根据输入输出,我们要建立一个函数模型,来预测房价:y = f(x)。
一般情况下,我们用一条直线来拟合图中这些离散点(建立房价与面积的线性模型)。我们知道价格不会是负数。因此对该直线做一点点修正,让它变成折线的形状,当面积小于某个值时,价格为零。
这个简单的模型(蓝色折线)就是一个最简单的神经网络,如下图所示: