1. 简述
- ⼀种模仿⽣物神经⽹络结构和功能的计算模型,由神经元构成**(加权和+激活函数)**
- 神经网络中信息只向一个方向移动,即从输入节点向前移动,通过隐藏节点,再向输出节点移动。
2. 和机器学习的关系
-
深度学习是机器学习的⼀个⼦集,主要区别在是否包含特征⼯程
-
特征处理
- 机器学习:人工处理设计特征
- 深度学习:不需要人工处理,只要经过网络输出即可
- 适合处理图像、自然语言、音频等
3. 基本部分
- 输入层: 即输入 x 的那一层
- 输出层: 即输出 y 的那一层
- 隐藏层: 输入层 和 输出层 之间都是隐藏层,来自上一层的 加权和 经过 激活函数 传导到下一层,作为下一层的输入
4. 特点
- 同一层的神经元之间没有连接。
- 第 N 层的每个神经元和第 N-1层 的所有神经元相连(这就是full connected的含义),这就是全连接神经网络。
- 第N-1层神经元的输出就是第N层神经元的输入。
- 每个连接都有一个权重值(w系数和b系数)。