【深度学习】1.1深度学习概论

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