【Course 1 神经网络与深度学习】Week 1 深度学习概论

Introduction to deep learning

深度学习是指训练神经网络

1.什么是神经网络？

引例：房价预测

1）由房屋面积这一单一因素/特征值预测房价，这样拟合的函数就是一个简单的神经网络。该单神经元网络完成的是由size/area—>price的线性运算。

根据线性回归，可将该问题拟合成如下函数

有这样特征的函数被叫做ReLU函数（rectified linear unit）
rectify：take a max of zero（取>=0的值）

类似于搭积木，由多个单神经元网络可以构成复杂的神经网络。
2）由多个因素/特征值（如房屋面积、卧室数量、邮政编码、富裕程度等）间接预测房价，即房价决定于家庭成员数、步行化程度、学校质量等。其中的每个隐藏的单神经元都可能是ReLU函数。

该问题抽象出来的神经网络如下：

每个单神经元网络的输入是全体数据，它会自己决定作何种运算。例如，我们不会说第一个节点就是预测family number 且只由X1、X2决定。
中间的神经网络层会做出从输入层到输出层的精准映射。

2.用神经网络进行监督学习（supervised learning）及为什么深度学习会兴起

应用及其经济价值