【深度学习概论】
“深度学习”指的是训练神经网络。
所以到底什么是神经网络呢?
在这门课程中,首先用了预估房屋价格这个例子来说明什么是单个神经元。
在这个预估房屋价格的例子中,如上图所示,每一个节点代表一个单神经元,size和price形成的函数我们称为RELU函数,这里不够理解没关系,在后续的课程会多次提到,由这些单个神经元堆叠形成大的神经网络,如下图所示。
神经网络只要给够x、y的训练样本,神经网络非常擅长于计算从x到y的精准映射函数。
所以,这就是一个基本的神经网络。
下面介绍一些神经网络的例子:
从左至右分别为标准神经网络、卷积神经网络(CNN,通常用于图像数据),循环神经网络(RNN,通常用于一维的序列数据,其中包含时间成分)。
深度学习基于机器学习中的“监督学习”,所以,这里就要提到两个概念,结构化数据和非结构化数据。结构化数据就是数据的数据库,在预估房价的例子中,我们考虑购买者的年龄这些都是数据中的一部分,相反,非结构化数据,比如音频,原始音频,图像等,你想要识别图像或者文本的内容,这些特征可以是图像的像素,也可以是文本中的一个单词。