基于神经网络的深度学习——第一章_绪论

第一章 绪论

  1. 机器学习步骤
    基于神经网络的深度学习——第一章_绪论_第1张图片

  2. 表示学习:Representation learning,自动地学习出有效的特征,提高机器学习模型的性能。
    表示:Representation,有效的特征
    表示学习的关键:构建具有一定深度的多层次特征表示。

  3. one-hot向量:有且只有一个元素为1,其余元素都为0的向量

  4. 嵌入:高维的局部表示 映射到 低维的分布式表示

  5. 深度学习的数据处理流程
    基于神经网络的深度学习——第一章_绪论_第2张图片

  6. 激活函数
    如果不用激活函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合,这种情况就是最原始的感知机(Perceptron)。

    如果使用的话,激活函数给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中。

  7. 反向传播算法:基于梯度下降,包括两个环节(激励传播、权重更新)

你可能感兴趣的:(深度学习,深度学习,神经网络,机器学习)