深度學習簡介（三）

  分佈式表示的優勢 學習一組不互斥的參數特徵比具有最近鄰類或簇狀的模型的效率高。如下圖所示： 可無需看見其它大量的特徵配置而發現每一個特徵。 深度學習：自動化特徵發現 Why does it work? No Free Lunch 1.只有我們在對數據生成分佈做一些假設時，它纔有效。 2.糟糕的分佈仍需要大量數據。 3.我們可以探索世界的一些結構來獲得指數增長。 4.具有分段線性**的深度網絡的

>>阅读原文<<