神经网络和深度学习 第一章

神经网络究竟是什么

神经网络和深度学习 第一章_第1张图片
最简单的一个神经网络

ReLU rectified linear unit 修正线性单元

神经网络和深度学习 第一章_第2张图片
稍微复杂一些的神经网络
神经网络和深度学习 第一章_第3张图片
隐藏的中间层

监督学习 supervised learning

神经网络和深度学习 第一章_第4张图片
监督学习的应用

标准神经网络


神经网络和深度学习 第一章_第5张图片
标准神经网络

CNN 卷积神经网络 ---图片


神经网络和深度学习 第一章_第6张图片
卷积神经网络

RNN 循环神经网络 ---语音( 因为包含时间,线性) 翻译


神经网络和深度学习 第一章_第7张图片
循环神经网络

自动驾驶 更加复杂,需要用到混合的神经网络

结构化的数据


神经网络和深度学习 第一章_第8张图片
结构化的数据

非结构化的数据


神经网络和深度学习 第一章_第9张图片
非结构化的数据

为什么深度学习兴起了?


神经网络和深度学习 第一章_第10张图片
传统与现代的机器学习的对比
sigmoid函数和ReLU

从sigmoid函数 到 ReLU
sigmoid函数 的问题在于在两边的梯度接近0,学习会变得非常缓慢,应用梯度下降法时,梯度接近0时参数会变化的很慢,学习也会变得很慢。而改变激活函数为ReLU,梯度不会趋向0,就可以将梯度下降法运行的很快。
这提高了机器学习的效率,算法的改进提高了运行的速度


课程大纲


神经网络和深度学习 第一章_第11张图片
课程大纲

你可能感兴趣的:(神经网络和深度学习 第一章)