深度学习
客尘烦恼
这个作者很懒,什么都没留下…
展开
-
1.什么是神经网络
神经网络是受人脑运作模式的启发创造出来的一种强大的学习算法。例子1——简单的神经网络给定房地产市场上房屋大小的数据,要拟合一个能预测其价格的函数。这是一个线性回归问题,因为价格作为房屋大小的一个函数是连续的。 我们知道,价格不可能是负值,所以我们正在创建一个叫做修正线性单元(ReLU),它是从零开始的。 x:房屋的尺寸 输入 y:价格 输出 这个“神经元”翻译 2017-11-29 22:44:54 · 353 阅读 · 0 评论 -
2.神经网络的监督学习
在有监督的学习中,我们会得到一个数据集,并且已经知道我们正确的输出应该是什么样子,认为输入和输出之间是有关系的。有监督的学习问题分为“回归”和“分类”问题。在一个回归问题,我们试图通过连续输出预测结果,这意味着我们是试图将输入变量映射到一些连续函数。而在分类问题中,我们改为试图在离散输出中预测结果。换句话说,我们试图将输入变量映射到离散的类别。下面是一些监督学习的例子:有不同类型的神经网络,例如卷积翻译 2017-11-29 23:54:25 · 919 阅读 · 0 评论 -
3.为什么深度学习会飞速发展
近年来,深度学习飞速发展要归功于社会数字化带来的大量数据,神经网络算法发展的更快的计算能力与创新性。深度学习要有高效的表现,必须考虑两件事: 1.有能力去训练一个足够大的神经网络 2.大量带标签的数据神经网络的训练过程是反复迭代训练神经网络会花费大量的时间,这会影响你的工作效率。更快的计算能力有助于迭代和改进新算法。翻译 2017-11-30 00:05:28 · 2709 阅读 · 0 评论