20201009_深度学习入门_进军多层_BP神经网络的介绍_观看覃秉丰课程笔记

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