复制机上线,整理头一晚看的视频的文字版。
总结一下神经网络的基础,尤其是对反向传播的理解。
1.引言
略
2.什么是神经网络?
从房价预测案例开始:
这是一个最简单的神经网络,房屋的面积作为输入x,通过一个节点,输出价格y。
这个节点就是一个单独的神经元,这个函数被称作ReLU激活函数。(max(0,x))。
多特征房屋价格预测:(单个神经元的叠加)
3.神经网络的监督学习
监督学习的应用例子:
几种典型的神经网络结构图:
监督学习处理的两种数据类型:(结构数据和非结构数据)
4.为什么深度学习会兴起?
数据量和神经网络的规模都会影响性能,传统机器学习没法处理大规模数据。
现如今对于神经网络算法方面的创新主要是对计算的优化,使代码运行的更快,比如一个巨大突破就是从sigmoid函数转换到ReLU函数:(sigmoid两端梯度趋近于零,导致参数更新hin慢)
深度学习会越来越好。