神经网络
举一个最简单的例子:
神经网络的输入房子的面积称为x,通过节点,即一个独立的神经元(neuron),得到需要预测的房价输出y。这个神经元的作用就是完成我们所需的线性运算。这个函数被称为ReLU(rectified linear unit,修正线性单元)函数。这是一个单神经元网络。大一点的神经元网络是把这些单神经元网络堆叠起来形成的。
这样通过这个神经网络,只需要输入x,就能得到输出y。不管训练集有多大,所有的中间过程,它都会自己完成。这些中间的神经元被叫做“隐藏单元”,它受所有的输入的影响,而不仅仅是某几个输入。
用神经网络进行监督学习
标准的神经网络(standard NN)
卷积神经网络(convolutional neural networks,CNN),常用于图像数据
循环神经网络(recurrent neural network, RNN),在音频、语言中常用
混合神经网络(hybrid neural network)
结构化数据:每个特征都有清晰的定义,比如预先已知的用户信息等
非结构化数据:就是想要去识别的特征对象,比如图像中的像素值、文本中的单词等
训练时,我们输入x和标签y,m表示训练集的规模(即训练集的数量)。
有问题可以发送至一下邮箱:
feedback@deeplearning.ai
enterprise@deeplearning.ai
academic@deeplearning.ai