1.2 什么是神经网络?(What is a Neural Network)
- 神经网络的一部分神奇之处在于,当你实现它之后,你要做的只是输入x,就能得到输出y。
- 因为它可以自己计算你训练集中样本的数目以及所有的中间过程。
- 值得注意的是神经网络给予了足够多的关于x和y的数据,给予了足够的训练样本有关x和y。
- 神经网络非常擅长计算从x到y的精准映射函数。
1.3 神经网络的监督学习(Supervised Learning with Neural Networks)
- 在监督学习中你有一些输入x ,你想学习到一个函数来映射到一些输出y ,比如我们之前提到的房价预测的例子,你只要输入有关房屋的一些特征,试着去输出或者估计价格y 。
- 卷积神经网络(Convolutional Neural Network)是近年发展起来,并引起广泛重视的一种高效识别方法;是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。
1.4 为什么深度学习会兴起?(Why is Deep Learning taking off?)
- 如果你想要获得较高的性能体现,那么你有两个条件要完成
- 第一个是你需要训练一个规模足够大的神经网络,以发挥数据规模量巨大的优点
- 另外你需要能画到x 轴的这个位置,所以你需要很多的数据。
- 因此我们经常说规模一直在推动深度学习的进步,这里的规模指的也同时是神经网络的规模,我们需要一个带有许多隐藏单元的神经网络,也有许多的参数及关联性,就如同需要大规模的数据一样。
- 算法方面的极大创新尝试着使得神经网络运行的更快,也使得我们能够训练规模更大的神经网络,或是多端口的网络
- 当你能够有一个想法的时候一定要去试一试,也能够更快的改进你的想法