概述
深度学习(Deep Learning)是利用多层神经网络结构,从大数据中学习现实世界中各类事物能直接用于计算机计算的表示形式(如图像中的事物、音频中的声音等),被认为是智能机器可能的“大脑结构”
Learning:让计算机自动调整函数参数以拟合想要的函数的过程
Deep:多个函数进行嵌套,构成一个多层神经网络,利用非监督贪心逐层训练算法调整有效地自动调整函数参数
简单地说深度学习就是:使用多层神经网络来进行机器学习
从生物神经元到人工神经元
生物神经元的数学模型
生物神经元的工作机制:一个神经元就是一个可以接受、发射脉冲信号的细胞。树突接受其他神经元的脉冲信号,而轴突将输出脉冲传递给其他神经元
人工神经元模型:把一个神经元看做一个计算单元,对输入进行线性组合,然后通过该一个非线性的激活函数作为输出。有
在这里,x和y作为输入和输出,它们是任意的实数。w和b是模型的参数,不同的参数会构成实现不同功能的模型
人工神经元的激活函数
不同的激活函数适合不同的具体问题和神经网络参数学习算法
如果期望得到离散的输出,可以使用阶跃激活函数