什么是神经网络
一个典型的神经元如下图,从输入到输出。神经元一般采用Relu激活函数。
Relu:Rectified Linear Unit.线性整流函数。
一个大型的神经网络就是由这样简单的神经元组成。
例如房价预测:
如上图,房子大小,房间数,地区,财富都是影响房价的原因。我们可以将它们组成如下图的神经网络。
中间隐藏节点是否表征“家庭大小”“距离”“学区好坏”等信息?我们不用管他们,让神经网络自行去学习就好。
用神经网络进行监督学习
神经网络能够学习结构化数据(Structured Data)。
而且还能非常好的学习非结构化数据(Unstructured Data)。比如:图片、音频、文本上的自然语言信息。
why is Deep Learning taking off?为啥神经网络能流行起来?
数据规模驱动深度学习进步
如上图:
- 传统机器学习(svm,逻辑回归等),在数据大规模增长后,性能提升有限。但在训练数据较少的时候,机器学习的表现与深度学习差异不大。
- 深度学习,随着神经网络规模越来越大(更深的网络,更多的神经元,更的参数),数据量越来越多,对应的性能也越来越好
Scale drivers deep learning progress
- data 数据规模越来越大
- computation 计算能力不断提高。cpu的摩尔定律、gpu的运用
- Algorithms. 比如从sigmoid到Relu的改进等等。yu
运算速度越来越快,让研究人员能快速尝试不同的想法。idea->code->Experiment->idea….。让模型、产品快速升级迭代。
About this Course
Neural Networks and Deep Learning
- week1:Introduction
- week2:Basics of Neural Network programming
- week3:One hidden layer Neural Networks
- week4:Deep Neural Networks
Heroes of Deep Learning
Geoffrey Hinton interview:
神经网络的教父。
1)受限玻尔兹曼机得发明者。他认为最令他深刻的发明。
2)反向传播的提出者之一。1986年。
3)1993年,变分贝叶斯论文(逼近EM)。
%¥》#&……各种听不懂