《吴恩达深度学习》01神经网络和深度学习(第1周深度学习概论)

01 神经网络和深度学习

第一周 深度学习概论

1.1 欢迎

一、学习内容

  1. 神经网络和深度学习
  2. 深度神经网络提升:超参调参,正则,优化
  3. 结构化机器学习工程
  4. 卷积神经网络
  5. 自然语言处理:建立序列模型

1.2 什么是神经网络

一、房价预测

  1. 样本分布示意图
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zSWVfWBo-1585525351390)(./1583453734582.png)]
  2. 最简单的神经网络
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZT0bcOCH-1585525351392)(./1583453763844.png)]
  3. ReLU函数
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hcJkPCb6-1585525351394)(./1583453786948.png)]
  4. 一个复杂的神经网络的示意
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-T0xKT2T7-1585525351396)(./1583453930125.png)][外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-60y1hBjD-1585525351397)(./1583453996320.png)]

1.3 用神经网络进行监督学习

一、监督学习

  1. 监督学习举例
    (1) 房价预测(标准神经网络)
    (2) 在线广告(标准神经网络)
    (3) 图像识别(卷积神经网络)
    (4) 语音识别(序列数据)(循环神经网络)
    (5) 机器翻译(序列数据)(循环神经网络)
    (6) 自动驾驶(复杂混合神经网络)
  2. 神经网络架构举例
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LRw72wXJ-1585525351399)(./1583454444492.png)]
  3. 结构化数据和非结构化数据
    非结构化数据主要包括音频、图像和文本等类型的数据。

1.4 为什么深度学习会兴起

  1. 表现性能和数据量关系图
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-o93PDqCb-1585525351400)(./1583454838877.png)]
    规模推动深度学习进程,其中规模指数据规模和神经网络规模。
  2. 当数据规模不大时,各类方法性能排名不确定。只有当数据规模较大时,才能体现神经网络的有点。
  3. ReLU和sigmoid激活函数相比,前者可让梯度下降法更快,因为后者在正数下梯度近乎于0.
  4. 流程
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LrMMp9oT-1585525351401)(./1583455172169.png)]

1.5 关于这门课

一、 本周课程内容

  1. 引言
  2. 神经网络编程基础
  3. 单隐层神经网络
  4. 深度神经网络

1.6 课程资源

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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