一,簡介:
1.機器學習分支,人工神經網絡(Artificial Neural Network, ANN)爲基礎網絡
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,相對效果更好機器學習
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 更好的解決問題函數
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)
學習
五,單層神經網絡:
3d
六,感知機:
blog
七,多層神經網絡:
ci
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)
深度學習
其餘:
線性條件:數學