深度学习:指训练神经网络
目录
主要内容包括:
1.神经网络的基本概念
1.1 神经元
(此例用以体会单个神经元的形式:
假如我们要建立房价的预测模型,一共有六个房子。我们已知输入x即每个房子的面积(多少尺或者多少平方米),还知道其对应的输出y即每个房子的价格。根据这些输入输出,我们要建立一个函数模型,来预测房价:y=f(x)。
ReLU函数(修正线性单元):函数开始为0,然后是一条直线
1.2神经网络
是神经元(隐藏单元)的叠加,同时只需要给出输入特征x和输出y(基于一定数量的训练集),所有中间过程能够自己完成
1.3用神经网络进行监督学习的例子
(“监督学习“是神经网络中的一种机器学习
1.3.1相对标准的神经网络
a) 房价预测
b) 在线广告预测受体群众用以提高点击率
1.3.2卷积神经网络(CNN)
a) 计算机视觉(eg.输入图像,输出指数,可以用于标签照片)
1.3.3循环神经网络(RNN)
用于序列数据,例如音频是一维时间序列
a) 自然语言文字处理
b) 语音识别
c) 机器翻译
1.3.4 CNN“卷积神经网络结构架构”
a ) 无人驾驶技术(eg.输入一幅图像,联合其他信息如雷达,获取实时的路况信息)
1.3.5结构化数据
数据的数据库,(如图左:每个输入的特征量所形成的列表)
1.3.6非结构化数据
音频、原始音频、图像等.(如下图:这里的特征可以是图像中的像素值或者文本中的单词)
1.4补充
性能越高,x轴所需数据越多,神经网络所应具备的隐藏单元也应该越多
n——训练集的规模
m——水平轴