深度学习之神经网络

虽然随着神经科学、认知心理学等学科的发展,人们对大脑的结构有了一定程度的了解,但对大脑的智能究竟怎么产生的还知道的很少。我们并不理解大脑的运作原理,以及如何产生意识、情感、记忆等功能。

 

受到人脑神经系统的启发,早期的神经科学家构造了一种模仿人脑神经系统的数学模型,称为人工神经网络,简称神经网络。

 

 

由于神经网络模型一般比较复杂,从输入到输出的信息传递路径一般比较长,所以复杂神经网络的学习可以看成是一种深度的机器学习,即深度学习。

 

神经网络和深度学习并不等价。深度学习可以采用神经网络模型,也可以采用其它模型(比如深度信念网络是一种概率图模型)。

 

深度学习采用的模型主要是神经网络模型。

 

目前,深度学习主要以神经网络模型为基础,研究如何设计模型结构,如何有效地学习模型的参数,如何优化模型性能以及在不同任务上的应用等。

 

 

 

生物神经网络的最小单元是神经元。而人工神经网络的最小单元是感知机。

 

感知机由两步计算组成:

  • 线性变换
  • 非线性变换

 

运算过程:

输出 = 线性变换 + 非线性变换

 

 

每个神经元可以看做一个小的复合函数。整个神经网络可以看做一个大的复合函数。

 

深度学习模型本质上也是一个运算过程。具有输入和输出。

 

以房价预测为例:

特征值x:面积、楼层、户型…

标签y:价格

 

一个深度学习系统就是一个深度的学习网络。神经网络在过去又被称为多层感知机模型,现在更多称其为神经网络或深度神经网络。

 

深度神经网络通常包含:输入层、输出层和若干隐藏层。

 

通常我们将第一个隐藏层称为网络的第1层,之后依次排序,最后一层叫第4层。有的学者也将输入层成为第0层。

 

 

每个神经元都和下一层的所有神经元相连,即“全连接”。

 

 

 

 

收藏 评论(3)
分享到:
共3条回复 最后由筱Myselfkv 回复于2019-08-11 18:36
#2 代开深圳票 回复于2019-08-06

棒棒哒

0
#3 筱Myselfkv 回复于2019-08-11

棒棒哒

0
#4 筱Myselfkv 回复于2019-08-11

棒棒哒

0