为什么是深度学习

Deeper is Better?

　　是不是深度学习的Hidden layer越多越好，我们并不是单纯的研究参数增多的所带来的性能改善，我们关注的是相同的参数情况下，是不是深度越深越好。

Fat + Short v.s. Thin + Tall

　　那么是什么样的原因出现上边的情况呢？一个合理的解释就是Modularization。

Deep learning

　　Modularization把本来复杂的问题变简单，即使training data没那么多也能有较好的performance ，所以deep learning相对所需的data较少。

　　注：是所有的连续函数，不是指任何一个函数！！！

Analogy

　　用逻辑电路的表示和神经网络做对比。

　　用剪窗花做类比

End-to-end Learning

End-to-end Learning- Speech Recognition

End-to-end Learning - Image Recognition

Complex Task

参考：

https://blog.csdn.net/soulmeetliang/article/details/73196259

http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2017/Lecture/Why.pdf

 

转载于:https://www.cnblogs.com/Terrypython/p/9444133.html