神经网络和深度学习——深度学习概述

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：