dnn是什么的英文缩写_DNN的本质是啥，你真的懂DNN吗？

前言:

之前跟朋友聊说想运营知乎了，问走什么方向好，他跟我说写故事吧，人们大都喜欢故事，学术是小众的东西，仔细想了一下，小众就小众吧，故事会枯竭，而学术不会.恰逢今天停电，就开始写了自己的第一篇文章.

Introduction

学习就要往深度搞，今天我简单介绍一下什么是深度学习，以及深度学习里面的DNN基础网络.深度学习顾名思义，就是往深度去学习，相反的有浅度学习，哦哦哦，搞错了是机器学习(不是相反是之前).

DNN

DNN叫做深度神经网络，一开始神经网络不深，没有往深度搞，所以一开始的简单神经网络(层数很浅才1到2层)属于机器学习范畴.也有人尝试把神经网络设置成为更高层数但是发现层数过高，梯度消失与剃度爆炸问题无法解决，2006年Abdel-Hinton解决了这个问题(别问没看这篇文章)，所以神经网络才会蓬勃发展.[1]

上面是其实啥也没说，你还是不知道DNN到底是啥，DNN能做什么，下面我来简单介绍一下

DNN,能做什么？

可以做模型预测，可以做识别et al(等等，你以为我会用and so on).当然这也不是本文的重点，他能做什么不重要他怎么做的才重要.

DNN的理解(看到字体的变化没，这显然是不重要的，一般不重要的东西才加粗，因为本文重点太多)

DNN可以看成是一个函数，这个函数一开始是未知，我们可以把它比做一个一个啥都不会的小孩子，一个啥都不会的小学生你给他做一套选择题，他只能靠蒙，所以DNN做预测，训练集一开始的准确率是很低的，但是当这个作业做的越多(训练次数越多)，小孩子知道的越多，在最后一次考试(测试集)他就会表现的非常好，这也是为什么训练集与测试集一定要分开，你考试考原题这样老师答应吗？(什么？压题，文卓你出去站)，识别率也会提高.这里为什么会越学成绩越好，因为有个妈妈(bp—反向传播的)鞭策他.所以你成绩不好，你妈打你，你成绩就会提高，这里还应用了虎妈定律.哈哈哈

那么这个函数的本质是什么呢？

DNN的本质是多元线性回归(发现没，字体加粗，变成斜体，显然这也是不重要的)

多元线性回归，我默认你们知道了(哈哈哈，不会，去看张宇线代)，我们仔细想想看，训练集的学习的最终把DNN变成了一个函数，而这个函数的权重，就是神经元的值，输入值是我们量化或者说是本身已有的数据，输出值是我们给定的标签，也是固定的数值(一一对应起来了吧，细节还很多…)，总而言之呢，DNN的本质就是多元线性回归(真的不重要，不会考).慢慢理解吧.

其实早在很久以前为了证明3层神经网络效果要比2层好，也有学者花费了不少的工作来证明.也是有了前人的不懈努力成就了今天.当然DNN,与CNN的黑盒问题远不止这样.

[1] Hinton G E，Osindero S，Teh Y． A fast learning algorithm for deep belief nets［J］． Neural Computation，2006，18( 3) : 1527-1554．