神经网络监督学习
监督学习
监督学习中输入一个X,得到一个Y,除了房价预测,例如广告推广应用,输入用户看广告的习惯,网站就会考虑是否给你看这个广告。计算机视觉方面,当你输入一个图像,神经网络给图像识别可以打上标签,音频方面,输入一段音频信号,神经网络可以输出相应的文本。
机器翻译(英翻中)等方面的应用,无人驾驶方面,输入汽车前方的一个快照(图像)和一些雷达信息,进行无人驾驶的实现。
注意:图像领域里,我们经常用到的是卷积神经网络,缩写为(CNN)。对于序列数据,例如音频含有的时间成分,音乐是随着时间播放的,所以是一维时间序列,使用RNN(循环神经网络)。对于语言等,最自然的表现方式也是序列数据,使用更复杂的RNNs。更复杂的无人驾驶等则需要卷积神经网络结构的架构去处理。雷达信息可能需要用混合的神经网络结构。
CNN和RNN
最左侧是标准的神经网络结构,中间的图是标准的CNN神经网络,最右侧是RNN神经网络,这些都是在一些文献中经常出现的。
结构化数据与非结构化数据
结构化数据是 :数据的数据库,例如在房价预测中,有一个数据库或者数据列存储这房子的大小和卧室的数目等,这就是结构化数据。
非结构化数据指的是:比如音频、原始音频、图像等。如果想识别图像,那么这里的特征可能就是图像中的像素值。与结构化数据比较起来,让计算机理解起来更难。