深度学习与神经网络学习笔记(一) 前言 相信很多人对深度学习和神经网络已经有了一个大概的理解,本文就主要是本人在对吴恩达大牛的深度学习和神经网络网易公开课进行学习之后的一些笔记和理解,如果有歧义的地方,请大家批评指正。(这里的图片我就直接截吴老大的视频来说了,因为有些图片确实不好找)这里贴出吴老大的网易云课堂的地址(点我),可能需要注册和手机报名,但是是免费的 一、什么是神经网络 先请大家看一张图: 这里的红色×就是代表每个房子所对应得价格和大小的二维的点,大家都知道,房子的价格在一定程度上是受到房子大小影响的,所以在实际的红叉中,我们可以用一条直线来近似表示其线性关系(蓝色的直线),而机器学习所要做的就是通过某种方式去学习这些红叉在这两个变量之间的关系,然后做出对其他楼盘的预测。这里的蓝色所对应的函数名称为ReLU函数(修正线性单元) 这里我们可以看到影响价格的总共有四个因素:房子大小、卧室数量、邮政编码、富裕程度,其中房子大小和卧室数量决定了家庭大小(家庭人数);邮政编码(房屋所在地区)决定了出行的方便与否;富裕程度和邮政编码决定了附近学校的质量,然后这三个因素共同影响着这个房子的价格,这就是一个最简单的神经网络图 为什么叫做神经网络,就是因为我们通常会通过这样一种方式来对控制我们的行为,比如说我们在决定买房的时候,我们就会对这个房子的很多方面做一个综合的参考,最后做出决定来判断是否我们要买下这个房子,这是一种类似人类神经元工作的模式,所以把这样的一种方法叫做神经网络。而机器学习就是让机器通过一种方式来学习知识的过程,而神经网络就是其中的一种方式。 二、神经网络进行监督学习 同样我们还是先上图片: 实际上我们的监督学习与老师监督学生学习的方式很像,我们输入x,然后学习一个函数,从函数来计算出对应得y值,而这个函数就是老师要求我们学习的,这个x值就是我们所给予的样本值,y值就是我们所要求这个函数所要输出的,这样通过大量的样本来训练这个学生,这个学生就会得出这个函数,这个函数就是我们这个学生自己的一种思维方式,以后当他再次遇到这样的x的时候,他就会输出对应得y值。通过图片可以知道我们现在生活中的很多现金科技都与之相关,比如说在线广告的投放、图像的识别、自然语言的识别、无人驾驶等等。