深度学习起源于简单的感知机模型，通过增加偏差项增强模型的泛化能力。随着多层神经网络和激活函数的引入，深度学习得以形成。尽管其高精度的原因尚未完全明确，但增加隐藏层能提升分类性能。然而，深度学习对大量数据的需求是其一大挑战，数据量需达到一定阈值以保证模型的有效训练。深度学习主要关注模型参数的优化和构建可调整的函数模型。
关于深度学习
深度学习源于感知机，增加偏差项，使得模型更一般化；多层感知机+ 改变“激活函数“实现微调得到神经网络，多层神经网络得到深度学习网络。
深度学习的学习精度很高，但原因不明，增加隐层可以提高分类精度，但原因不明。深度学习的另外一个难点是对数据数量要求很高。虽然并不是数据越多越好，但有一个最低限度。
深度学习的对象是模型（函数）的参数，和带参数的函数（模型）。
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
