课程视频录制于2017年
一、BP(Back Propagation) 神经网络
误差反向传播
二、正是BP算法才把网络的维数提高到了多层
三、高层特征不会像浅层特征一样特别明显,比如手写体识别,在浅层时手写的1,2,3...还能看的出来轮廓,到了高层提取的特征就看不出来是个什么了,但是这些特征计算机可以识别。深度学习可以自动的提取图片上的特征,这些特征人不见得理解,但是计算机是根据这些特征识别的物体
四、激活函数有很多种
sigmoid激活函数,在BP神经网络早期用的比较多。负无穷无限趋近于0,正无穷无限趋近于1。
比较常见的激活函数还有tanh函数和Softsign函数,还有其他很多的激活函数。
五、BP网络的具体实现
参考书人工神经网络理论、设计及应用 47页
六、BP神经网络可应用于各种分类的问题,可以看作是一个比较全能的分类器。例如:图像压缩、证券预测、信用评价、图像识别 ......等等