What is a Neural Network?
根据何明编著. 大学计算机基础[M]. 南京:东南大学出版社, 2015.08. 第240页的定义:
人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
这是一个运用"修正线性单元"ReLU由房屋大小估计房屋价格的模型,输入Size经过一定的函数输出Price,这可以看作一个神经元。
如果将许许多多这样独立的神经元进行组合,就构成了这样简单的神经网络。感觉像是设计了一个实体,这个实体由四个输入接口还有一个输出接口组成。只要给到足够多的(x,y),神经网络就可以精确生成从x到y的映射函数,这是一种监督学习(supervised learning)的方式。
Neural Network Example
不同的架构适用于不同的情形,对于广告等等用的是标准架构的神经网络SNN;对于音频数据(一维时间序列)一般用循环神经网络RNN去处理;对于图像数据,一般用卷积神经网络CNN去处理;对于更复杂的情形,用混合神经网络处理。
Supervised Learning处理的数据类型
结构化数据structured data和非结构化数据unstructured data
神经网络的出现,使得计算机更容易去处理非结构化的数据。
Scale drives deep learning progress
结论:
- 传统的机器学习方法在处理大规模数据的性能一般,随着数据规模的增长,处理性能逐渐进入平台期。
- 深度学习神经网络在大规模数据处理的能力比传统机器学习更好,并随着神经网络规模的增大(拥有更多的隐藏单元,更多的参数和更多的连接),处理性能越大。
- 要想提高神经网络的性能,要么训练一个更大的神经网络,要么投入更多数据或者进行算法上的创新