定义1: 深度学习是利用多个非线性信息处理层,来完成监督或者无监督的特征提取和转化,用来解决回归或分类问题。
定义2: 深度学习是一种通过多层表示来对数据之间的复杂关系建模。高层的特征取决于低层的特征和概念。
定义3: 相同的神经元个数下,更深的网络结构能表现出更强的拟合性能。
深度学习的一些缺点:
1. 深度学习使用的函数簇是相当复杂的,所以深度学习算法缺乏保证。
但是限制函数满足Lipschitz连续或函数导数满足Lipschitz连续,可以获得更好的保证。
定义1: 深度学习是利用多个非线性信息处理层,来完成监督或者无监督的特征提取和转化,用来解决回归或分类问题。
定义2: 深度学习是一种通过多层表示来对数据之间的复杂关系建模。高层的特征取决于低层的特征和概念。
定义3: 相同的神经元个数下,更深的网络结构能表现出更强的拟合性能。
深度学习的一些缺点:
1. 深度学习使用的函数簇是相当复杂的,所以深度学习算法缺乏保证。
但是限制函数满足Lipschitz连续或函数导数满足Lipschitz连续,可以获得更好的保证。