深度学习的发展历史:
deep learning也需要三个步骤,如下图所示:
第一步:定义函数集,在这里的函数集就是neural network,我们都是会定义一个网络结构,当权重没有确定时,该网络结构就对应了一个函数集。
第二步:判断函数的好坏程度,利用损失函数来判断
第三步:找到一个最好的函数,根据梯度下降法更新权重,利用损失函数判定权重对应的网络的好坏程度。
universality theorem原理说明了有足够的隐层单元可以学到任意一个连续的函数。
深度学习的发展历史:
deep learning也需要三个步骤,如下图所示:
第一步:定义函数集,在这里的函数集就是neural network,我们都是会定义一个网络结构,当权重没有确定时,该网络结构就对应了一个函数集。
第二步:判断函数的好坏程度,利用损失函数来判断
第三步:找到一个最好的函数,根据梯度下降法更新权重,利用损失函数判定权重对应的网络的好坏程度。
universality theorem原理说明了有足够的隐层单元可以学到任意一个连续的函数。