1.神经网络做的就是向某种算法或者函数逼近。训练过程就是调整参数的过程,当层数越深,可调参数越多,意味着调整的自由度越大,能更好的拟合复杂的目标函数
2. 特征间存在层次性,层次更深,特征不变性更强,类别分类能力越强
神经网络从浅层到深层,先提取低层次的简单特征(边缘特征)
然后,将简单特征组合成复杂一点的特征(器官)
再将前层提取到的特征组合起来
逐渐提取到高维特征
1.神经网络做的就是向某种算法或者函数逼近。训练过程就是调整参数的过程,当层数越深,可调参数越多,意味着调整的自由度越大,能更好的拟合复杂的目标函数
2. 特征间存在层次性,层次更深,特征不变性更强,类别分类能力越强
神经网络从浅层到深层,先提取低层次的简单特征(边缘特征)
然后,将简单特征组合成复杂一点的特征(器官)
再将前层提取到的特征组合起来
逐渐提取到高维特征