深度学习浅入门

深度学习浅入门


我打算写一系列的博客来一点点介绍人工智能,以及在背后支持人工智能的机器学习和深度学习
所有的东西都是根据个人搜集和按照自己的理解(当时的理解)所写,因此难免会有错误,不过
随着学习的深入,我会不断的更新和纠正。


为什么是浅入门,因为本人所学的东西感觉只是这个领域的皮毛而已,所以还谈不上入门。

先说说这3者的关系,用一张图来描述

从上图可以看出,AI(人工智能)涵盖的范围最大,接下来是机器学习(Machine Learning), 深度学习(Deep Learning)次之。

其实深度学习,最重要的一种算法(或者模型)是神经网络,并没有在上图中反映出来。

那么什么是深度学习呢?虽然早期大家提DeepLearning这个概念的时候,会联想到很多不同的模型,但是经过多年的演化,目前最主流的深度学习模型就是所谓的神经网络。神经网络是根据人类的大脑的神经网络而得到启发设计出来,神经网络中包含很多的神经元,神经元就是大脑的神经中传输信息很重要的单元,每个神经元n个输入,每个输入都有自己的权重,加上触突偏移,然后经过求和函数和激活函数,之后得到一个输出,

关于求和函数和激活函数是什么样子的,我会在后面的章节中,分别阐述。
神经网络是很多个上面提到的神经元组成,每个神经元的输出又作为下一个神经网络的输入,

深层神经网络指的是一个有至少包含两个隐层的神经网络。很多实用的深层神经网络甚至会包含成百上千个隐层。从图中可以看到,神经网络包含很多神经元,以及它们之间的拓扑连接。每个神经元做的事情非常简单,就是把上一层所有跟它相连的神经元的输出放在一起,做加权求和,然后再进行非线性变换(激活函数)。在神经元,以及神经元之间的连边上都可以有参数,比如边权和偏差等。

版权所有,禁止转载. 如需转载,请先征得博主的同意,并且表明文章出处,否则
按侵权处理.

    分享到:

留言

你的邮箱是保密的 必填的信息用*表示