打卡(1)
1.1 什么是神经网络
* ReLu:修正线性单元(取值不小于0)
向量X(
x1,x2,x3,x4
x
1
,
x
2
,
x
3
,
x
4
)是输入特征,y是输出,在一个神经网络中,中间的圆圈被称为“隐藏单元”,隐藏单元的输入都同时来自所有的输入特征。
1.2 用神经网络进行监督学习
神经网络进行监督学习的应用:
CNN(卷积神经网络)、RNN(循环神经网络)
深度学习比传统方法在非结构数据(音频、图像、文本等)上有更好的应用效果。
打卡(2)
1.3 为什么深度学习会兴起
训练一个高性能水平的神经网络需要注意两点:
1. 训练出一个规模足够大的神经网络
2. 训练集数据量足够大
**ReLu和sigmoid的区别:**ReLu的梯度对于所有为正值的输入,输出都是1
1.4 关于这门课
第一门课是学习如何建立并运用一个深度神经网络