吴恩达-神经网络与深度学习-第一周课程-总结

发布时间:2023-12-27 17:30

1、什么是神经网络?

神经网络是模拟人大脑神经网络以实现人工智能的技术。简单点说,神经网络即为一种映射关系 y = f ( X ) y=f(X) y=f(X) 。以房价预测为例,假设房价只与房子大小有关,则房子的大小即为输入X,最终需要预测的为房价y,而X对于y的映射关系f即为一个最简单的神经网络。在下图中,通过训练,得到蓝线,拟合房价变化趋势,可以用来预测不同房子大小对应的房价。
吴恩达-神经网络与深度学习-第一周课程-总结_第1张图片
但在大多数情况下,房价不只与大小有关,还与其他因素有关。通过增加神经元让神经网络模型更加复杂,建立更好的映射关系,更加准确地预测房价。
吴恩达-神经网络与深度学习-第一周课程-总结_第2张图片
上述房价例子中的神经网络模型如下,x所在层为输入层,y所在层为输出层,中间为隐藏层,这是神经网络的基本结构。
吴恩达-神经网络与深度学习-第一周课程-总结_第3张图片

2、用神经网络进行监督学习

监督学习

监督学习的训练集必须包括特征X和结果y,结果是在训练前人为标注,神经网络的任务是拟合已知的y与X之间的映射关系。

无监督学习

输入的样本没有被标记,也没有确定的结果。样本数据结果未知,需要根据样本间的相似性对样本集进行分类,机器试图使类内差距最小化,类间差距最大化。非监督学习目标不是告诉计算机怎么做,而是让计算机自己去学习怎样做。

结构化数据

数据的数据库,数据可以数据库存储,对于每一个特征都有明确的定义。

非结构化数据

例如音频、图像、文字等,特征即为一个个像素值,或是一个个单词。

3、为什么深度学习会兴起?

吴恩达-神经网络与深度学习-第一周课程-总结_第4张图片
上图是随着数据量的增加算法性能的变化趋势,可以看到,随着数据量的增多,大规模神经网络表现的性能越来越优越。
深度学习的兴起可以归结于以下三个因素:
1、数据
随着互联网、物联网、大数据等技术的发展,数据体量变得越来越庞大,获取需要的数据变得越来越简单。
2、计算能力
CPU、GPU的发展,使得大规模的神经网络训练需要更短的时间。
3、算法
算法的创新和改进,使神经网络运算的更快,比如将激活函数sigmoid换为relu函数,sigmoid函数存在梯度消失,使得学习变得异常缓慢。
吴恩达-神经网络与深度学习-第一周课程-总结_第5张图片
吴恩达-神经网络与深度学习-第一周课程-总结_第6张图片

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号