1-1神经网络和深度学习
① 这节没特别多好说的,主要从生物学的神经元出发,引申到深度学习的神经网络:
将神经元的工作在数学上抽象化,并以其为单位人工的形成网络,这样的人工网络就是神经网络
② 比较有意义的部分是后面举了一个栗子:
如何教会计算机识别各式各样的“0”?
以此来展示深度学习的意义,优势。(如果不借助深度学习,靠以前的技术实现起来极其困难)
1-2神经元工作的数学表示
①本节主要是对生物学的神经元映射成数学模型的具体过程,以及一些理解
②第一个重点是神经元的“点火”,点火是神经元的信号强度超过神经元固有的阈值,则会传递到下一个神经元的模式,放到数学里是一个公式:
w是权重,x为神经元的输入信号,如果所有的神经元信号×权重的合大于阈值,则输出信号为1,即会传递到下一个神经元。
③此外说了下单位阶跃函数,其实和前文的y-wx的函数理解是一样的,表示的更简洁和规范,得出的加权输入函数为:
1-3激活函数:将神经元的工作一般化
未完待续~~~~