【人工智能/深度学习】智能计算系统 第二章 神经网络基础

包含关系

机器学习相关概念

机器学习：利用数据和以往的经验的计算机算法研究
先是拿到数据进行训练，让机器学习得到计算能力。
然后通过其能力处理新的数据。

符号说明

线性回归

线性回归得到规律

线性函数拟合效果

通过损失函数得到预测值和实际值的误差

Lw改变关键通过w，w的调优通过a学习率

人工神经网络发展史

生物神经元（树突和轴突）

人工神经元

最基础的神经模型：感知机模型

超平面：空间的子空间叫做超平面
二维的超平面：一维的平面（一条线）
三维的超平面：二位的平面
其中sign是激活函数

寻找损失函数

如何优化损失函数

两层神经网络-多层感知机

x到h中需要6个权值w与x相乘，求得隐层h1、h2.此时h就是提取出的特征，在此基础上再次进行处理运算。


G是激活函数，b是偏置

因为只有一层，所以传输路径短，但是复杂程度低，没有抽象的特征。

层数增加，参数变多，抽象复杂度提高。


第一个是隐层抽象出边缘特征，下个隐层是形状特征，以此类推。