1.神经网络与深度学习概述
前人通过模仿人脑中神经元相互连接构成的神经系统,建立了一个了类似的计算机学习策略·也将其取名为神经网络,其大致结构如下图:
上图中由L1到L4是从输入到输出的过程,L1是输入层即类似于输入问题,L4是输出层,即输出问题的答案,L2,L3即相当于解题的过程,而这个过程我们无需了解,所以我们叫他们为隐藏层,一般所需要解决的问题越多,隐藏层的层数则越多,而深度学习所指的深度就是指隐藏层数也就是计算机决策所用层数的多少,像著名的阿尔法狗的策略层数达到了13层,每层有192个神经元。
总的来说,神经网络就是用多层次的分析和计算手段来得到结果的一种手段。
2.线性回归与线性分类
2.1 线性回归
线性回归指数理统计中的回归分析,是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。应用在深度学习中就是将已有的训练数据和输出数据通过机器学习的方法得到二者间的拟合函数。在此基础上输入新数据就能通过拟合函数得到新估计,从而实现对数据结果或问题的预测。其过程如下图: