深度学习与神经网络

标签：

深度学习的特点：

1）建立、模仿人脑学习的机制

2）含多隐层的多层感知器；组合底层特征形成更加抽象的高层特征

3）发现数据的分布性特征

4）源于人工神经网络

人工神经网络的低潮：

1）容易过拟合、参数难tune，需要不少trick

2）训练速度比较慢，在层次比较少（小于等于3）的情况下效果并不比其它方法更优

人工神经网络和DL的训练机制的区别：

人工神经网络：back propagation；采用迭代的算法来训练整个网络，随机设定初值，计算当前网络的输出，然后根据当前输出和label之间的差去改变前面各层的参数，直到收敛（整体是一个梯度下降法）

DL：deep network（7层以上），如果采用BP算法，残差传播到最前面的层已经变得太小，出现所谓的gradient diffusion（梯度扩散）

深度学习与神经网络

标签：

原文地址：http://www.cnblogs.com/Wanggcong/p/4889534.html