Introduction to Deep learning

作者: 多了去的YangXuLei | 来源:发表于2017-08-09 20:52 被阅读49次
WX20170809-201529.png

这是Ng吴恩达老师的全新Ai项目 www.deeplearning.ai,早些已经学完他的ML课程,从此走了ML道路,现在开深度学习课程很开心

这篇主要是介绍深度学习

  • What is a neural network?
  • Supervised Learning with NN
  • Why is Deep Learning taking off?

What is a neural network?

和ML课程一样,首先引出了房价预测的案例来展开

线性回归示意

解释下这个蓝色线段,因为房价不会是负的,所以没有拟合的慢慢会为0,这个其实就是Relu功能。其实也可以看做是最简单的神经网络,单细胞生物似的。影响房价的因素有很多,上面单一的组合起来就形成了网络,看下图。


多因素神经网络示意图 形式化表达一下

具体可以看这篇文章重磅!神经网络浅讲:从神经元到深度学习这些概念和历史也不作重点在这里介绍。

Supervised Learning with NN

机器学习又分为监督学习和无监督学习,这些概念需要我们知道,在监督学习中,通过输入一些x,得到想要学习映射到某个输出y的函数。例如,刚刚我们看到房价预测应用程序,您输入一些家庭的某些特征,并尝试输出或估计价格y。这里有一些其他的例子,神经网络已被非常有效地应用

神经网络案例

房地产和在线广告可能是一个相对标准的神经网络,对于图像应用,经常使用卷积神经网络,通常缩写为CNN,并用于序列数据。音频是一个时间分量?随着时间的推移播放音频,所以音频最自然地表示为一维时间序列或一维时间序列。因此,对于序列数据,经常使用RNN。语言,英文和中文,字母或单词一次一个,所以语言也最自然地表现为序列数据。因此,这些应用程序经常使用更复杂的RNN版本。对于更复杂的应用程序,如自主驾驶中,图片和雷达信息是一个完全不同的。可能会使用一个更为自定义或者更复杂的混合神经网络架构。

部分神经网络

在数据类型中通常会遇到结构化和非结构化的数据,数据类型这这里先不展开,后面的技术都是围绕着这两种类型展开的。


数据类型

Why is DL taking off?

总结下来就6方面,更多的需要自己去了解回归深度学习的发展了。

  • 数据
  • 算法
  • 计算力
  • idea
  • code
  • experience
    (完)

相关文章

网友评论

    本文标题:Introduction to Deep learning

    本文链接:https://www.haomeiwen.com/subject/vxgqrxtx.html