“神经网络”是什么?如何直观理解它的能力极限?它是如何无限逼近真理
神经网络
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/cb02b885d3847e2656e8edac7cadc25e.png)
卷积神经网络
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/0ebb67fd3bae3cb051449e676d94b579.png)
循环神经网络
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/444c79ec19bc3a9152a490c90d6c00c2.png)
神经网络增加神经元效果会更好:为什么?
神经元多了之后,对特征的判断就更多元,他们之间的组合的可能性就更多,而可能性丰富了之后总能调整到一种状态,达到你想要的结果。
把一个复杂函数拆成一个个感知机。
通过可靠的方法求数量爆炸的参数,梯度下降法-随机梯度下降法\或者用卷积和池化的方法将数据的维度给降下来。
最后模型就是一堆的线性函数加一堆的激活函数。
所有线性函数的集合就是神经网络的猫的标准模型的一个描述,所有的激活函数就是在判断数据符不符合神经网络描述的模型。
把激活函数从0-1阶跃函数换为sigmond函数,基本问题变成了好坏问题。