有了自学算法去提取特征,我们可以进一步扩展模型
这个模型是在特征模型的基础上多了一步分类器,这个分类器的引入使得我们可以进一步调整参数。
微调(fine-tune)指的的是通过输入有标记的
再通过牛顿下降法来调整参数从而减小训练误差
什么时候可以使用微调呢?当然是有大量的有标记样本啦。
上面这个模型试简单的三层神经网络
因为每一个隐层代表了对前一层的一次非线性变换,简单的三层模型最后输出的激活函数只与前一层相关,也就只经过了一层的非线性变换,如果能够增加隐层,就能够学习更加复杂的的关系,这也是为什么不用线性变换的原因,线性变换再经过线性变换还是线性的。
深层网络由如下好处:
1.由于隐层增加了,它可以学习更加复杂的函数。具体来说,一个k-1层的网络要想学习到和k层网络一样复杂的模型,得增加指数大小的隐层。
2.越深层,最后学到的特征越抽象
3.神经元计算也是多层的,这是深层神经网络的生物基础
神经网络的缺陷:
1.标记数据的难以获取
2.局部最优问题,浅层的神经网络容易收敛&#