1.机器学习
在预先定义好的可能性空间中,利用反馈信号的指引来寻找输入数据的有用表示,目的是将输入数据映射到目标结果,通过观察许多输入和目标的示例来完成的。
2.深度学习
机器学习的分支领域之一,学习数据表示的多级方法。
权重:神经网络中每层对输入数据所做的具体操作保存在该层的权重中,每层实现的变换有权重来参数化。
学习:正是为神经网络的所有层找到一组权重值,目的是使得每个示例输入与其目标一一对应。
损失函数:
- 作用:衡量神经网络的输出和预测值之间的距离;
- 输入:网络预测值和真实目标值;
- 原理:通过输入网络预测值和真实目标值,计算距离值,衡量该网络在该示例上的效果好坏。
深度学习的基本技巧:利用距离值作为反馈信号来对权重值进行微调,降低对应的损失值,这个过程由优化器完成,实现反向传播算法
反向传播算法: