深度学习和神经网络的区别（转载）

最新推荐文章于 2024-07-27 09:07:21 发布
最新推荐文章于 2024-07-27 09:07:21 发布
阅读量1.3k 收藏 1
点赞数 1
文章标签： 人工智能
原文链接：http://www.cnblogs.com/jinruoyanxu/p/11487575.html
版权

在人工智能领域，机器学习属于其中的一种方法，而神经网络是机器学习里的一种算法。

神经网络一般有输入层->隐藏层->输出层，一般来说隐藏层大于2的神经网络就叫做深度神经网络，深度学习就是采用像深度神经网络这种深层架构的一种机器学习方法。

 关于深层网络和浅层网络有什么优势？——深层网络的表达能力更强，更能省资源。

神经网络在我看来是拟合一个函数的过程，一个仅有一个隐藏层的神经网络就能拟合一个函数，但是它可能需要很多很多的神经元。而深层网络可以用少得多的神经元去拟合同样的函数。

 

转载于:https://www.cnblogs.com/jinruoyanxu/p/11487575.html

diachou8841
关注
深度学习 | MATLAB卷积神经网络原理描述
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
08-28 1432
深度学习 | MATLAB卷积神经网络原理描述
深度神经网络简单介绍
aifamao6的博客
08-10 2534
人工神经网络（ArtificialNeuralNetwork，即ANN）是从信息处理角度对人脑神经元网络进行抽象，是20世纪80年代以来人工智能领域兴起的研究热点，其本质是一种运算模型，由大量的节点（或称神经元）之间相互联接构成，在模式识别、智能机器人、自动控制、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。...
深度学习和神经网络之间有什么区别？
云上笛暮
12-11 816
深度学习系统简单神经网络架构由多个针对卷积或循环排列的隐藏层组成。神经网络由输入层、隐藏层和输出层组成。这些神经网络在结构上模仿人类大脑。复杂性根据其功能，深度学习网络非常复杂，其结构包括长短期记忆（LSTM）和自动编码器。神经网络复杂性较低，因为它们只包含几层。性能深度学习算法可以解决大量数据中的复杂问题。神经网络在解决简单问题时表现良好。培训训练深度学习算法需要花费大量的资金和资源。神经网络的简单性意味着训练成本较低。
神经网络与深度学习深入剖析
最新发布
极客代码
07-27 1055
神经网络（Neural Networks, NN）是一种模仿人脑工作原理的计算模型，它由大量的节点（或称为神经元）组成，这些节点通过层次化的方式组织成输入层、隐藏层和输出层。每个节点都与其他节点通过权重连接，并且每个节点都有一个激活函数，用于决定该节点是否被激活。
神经网络和深度学习之间有什么区别
weixin_57010826的博客
05-07 963
神经网络（Neural Network）和深度学习（Deep Learning）之间确实存在一些区别，尽管深度学习是基于神经网络发展而来的。总之，神经网络和深度学习在定义、结构复杂度、应用范围、学习策略和发展历史等方面都存在一定的区别。深度学习是神经网络的一个子集，但具有更复杂的结构和更强的学习能力。
深度学习与神经网络的异同
Cuibaby的博客
04-30 1万+
相同点： 二者均采用分层结构，系统包括输入层，隐藏层（多层），输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层都可以看作是一个logistic回归模型。 不同点： （1）神经网络：特征映射到值，特征是人工挑选的。 输入层->多层隐藏层->输出层 其输出层的维度与输入层一样 （a）采用BP算法调整参数，即采用迭代式算法来训练整个网络。随机设...
深度学习与神经网络有什么区别
aifamao6的博客
08-12 751
这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutionalneuralnetworks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（DeepBeliefNets，简称DBNs）就是一种无监督学习下的机器学习模型。这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutionalneuralnetworks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（DeepBeliefNets，简称DBNs）就是一种无监督学习下的机器学习模型。..
神经网络和深度学习（一）——初识神经网络
热门推荐
CUG_UESTC的博客
08-15 8万+
神经网络和深度学习 神经网络：一种可以通过观测数据使计算机学习的仿生语言范例 深度学习：一组强大的神经网络学习技术神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。传统的编程方法中，我们告诉计算机如何去做，将大问题划分为许多小问题，精确地定义了计算机很容易执行的任务。而神经网络不需要我们告诉计算机如何处理问题，而是通过从观测数据中学习，计算出他自己的解决方案
神经网络 深度神经网络,深度神经网络通俗理解
super67269的博客
08-20 662
深度学习是什么？深度学习是机器学习领域中对模式（声音、图像等等）进行建模的一种方法，它也是一种基于统计的概率模型。在对各种模式进行建模之后，便可以对各种模式进行识别了，例如待建模的模式是声音的话，那么这种识别便可以理解为语音识别。而类比来理解，如果说将机器学习算法类比为排序算法，那么深度学习算法便是众多排序算法当中的一种（例如冒泡序列），这种算法在某些应用场景中，会具有一定的优势。深度学习的优点？为了进行某种模式的识别，通常的做法首先是以某种方式，提取这个模式中的特征。
神经网络 深度神经网络,深度神经网络的深度是?
m0_54846070的博客
08-26 455
这种分层结构，是比较接近人类大脑的结构的。传统神经网络（这里作者主要指前向神经网络）中，采用的是backpropagation的方式进行，简单来讲就是采用迭代的算法来训练整个网络，随机设定初值，计算当前网络的输出，然后根据当前输出和label之间的差去改变前面各层的参数，直到收敛（整体是一个梯度下降法）。2006年，hinton提出了在非监督数据上建立多层神经网络的一个有效方法，简单的说，分为两步，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。...
深度神经网络简单介绍,神经网络设计与实现
纸尿裤排行
10-11 443
具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。新的方法就多了：新的激活函数：ReLU，新的权重初始化方法（逐层初始化，XAVIER等），新的损失函数，新的防止过拟合方法（Dropout, BN等）。新的网络结构中最著名的就是CNN，它解决了传统较深的网络参数太多，很难训练的问题，使用了逗局部感受野地和逗权植共享地的概念，大大减少了网络参数的数量。---------------------- 下面是原答案 ------------------------
深度学习和神经网络的区别是什么
weixin_34025051的博客
09-03 2725
http://zhidao.baidu.com/link?url=_Y4TSDJGC66-Prh3sCKxmT6S3HbNBlMBpLfniFdBjEcK7eFBqbtNYNxy9e5hUY3u3MiDe8QEglEHcDb47brFuLGXWIXjF-v4BYWxvdiHjvS 这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutional neural ...
传统神经网络与深度学习的区别 2019-10-10
nawu2018的博客
10-10 3250
参考https://blog.csdn.net/rocling/article/details/85206736 https://blog.csdn.net/qq_20406597/article/details/81144896 1、相同点：分层结构（输入层、隐含层、输出层） 2、不同：深度学习可以说是机器学习的分支，神经网络的扩展 （1）传统...
写给人类的机器学习 四、神经网络和深度学习
龙哥盟
10-18 3万+
四、神经网络和深度学习 原文：Machine Learning for Humans, Part 4: Neural Networks & Deep Learning 作者：Vishal Maini 译者：飞龙 协议：CC BY-NC-SA 4.0 深度神经网络的工作地点、原因和方式。从大脑中获取灵感。卷积神经网络（CNN）和循环神经网络（RNN）。真实世
神经网络与深度学习（一）
longlong's blog
01-23 3588
最近学习了Andrew Ng在网易云开放的深度学习与神经网络课程，受益匪浅，特来做一个初学者的总结。神经网络其实在学习神经网络之前，掌握基本的机器学习知识很重要，要不学起来还是比较吃力，从监督学习的梯度下降算法（对后面的学习应用很广泛），到极大似然估计，从激活函数的种类与选择，到损失函数的确定，以及正则化，dropout等等防止学习过拟合的方法，在神经网络与深度学习的训练预测过程中，都发挥着比较大比
神经网络和深度学习
_IsWdZh
07-27 1769
简单涉及神经网络的前向传播、反向传播以及如何训练神经网络参数等基础内容，对神经网络先有个大致了解。 关于神经网络(Neural Network) 神经网络基础(Basics of Neural Nerwork) 二分类 逻辑回归 逻辑回归的代价函数和梯度下降 向量化以及Python广播 浅层与深层神经网络 关于神经网络(Neural Network) 神经...
深度学习与多层神经网络的区别
william08的专栏
01-20 3734
作者：Bipolar Bear 链接：https://www.zhihu.com/question/26017374/answer/127924427 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 以我的理解，两种网络被设计出来，所要解决的问题和目的不同。 多层神经网络与universal approximation theorem [1] （
深度学习概述-神经网络与深度学习学习笔记（一）
知行_那片天
08-27 5648
最近在学习复旦邱锡鹏老师的《神经网络与深度学习》，并对书中推荐的论文进行了阅读。感觉这本书对深度学习讲解得很好，即有全面严谨的讲述，也有高屋建瓴的理解。 本文的行文结构是按邱老师的书籍结构来的，并结合自己的理解总结了书籍中的相关要点，想要对神经网络和深度学习有更好了解的，推荐大家看邱老师写的《神经网络与深度学习》。
深度学习与神经网络的异同：
沐尔还吃
07-21 7974
1. 相同点：     二者均采用分层结构，系统包括输入层，隐藏层（多层），输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层都可以看作是一个logistic回归模型。 2. 不同点： （1）神经网络：     （a）采用BP算法调整参数，即采用迭代式算法来训练整个网络。随机设定初值，计算当前网络的输出，然后根据当前输出和样本真实标签之间的差去改变前面...
神经网络和深度学习入门教程
神经网络和深度学习 神经网络和深度学习是当前人工智能领域中最热门的技术之一，本书对神经网络和深度学习进行了深入浅出的讲解...读者可以通过本书学习神经网络和深度学习的核心概念，并应用这些技术来解决实际问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值