深度學習(001)-深度學習簡介

一，簡介：
1.機器學習分支，人工神經網絡(Artificial Neural Network, ANN)爲基礎

二，與機器學習區別：
1.機器學習人工進行特徵抽取 深度學習自動進行特徵抽取
2.機器學習，數據少，相對效果很差 深度學習，數據多，相對效果更好

三，人工神經網絡：
1.(Artificial Neural Network, ANN) 模仿生物神經網絡(中樞 大腦)的結構和功能的數學模型 用於對函數驚醒估計或者近似 更好的解決問題

四，神經元：
1.神經網絡中的基礎，相互鏈接，組成神經網絡
2. T=f(W^TA+b)

五，單層神經網絡：

六，感知機：

七，多層神經網絡：

八，激活函數：
1.做用：增長非線性分割能力 提升模型魯棒性(穩健性 擬合另外一波數據能力) 緩解梯度消失問題 加速模型收斂(模型訓練更快)等
2.例子：感知機二分不徹底 添加激活函數使二分線直線變彎 增長區分的準確性(例子理解便可)

其餘：
線性條件：