深度学习(001)-深度学习简介

标签：能力   多层   鲁棒性   例子   人工神经网络   img   机器   线性   添加   

一，简介：
1.机器学习分支，人工神经网络(Artificial Neural Network, ANN)为基础

二，与机器学习区别：
1.机器学习人工进行特征抽取 深度学习自动进行特征抽取
2.机器学习，数据少，相对效果不好 深度学习，数据多，相对效果更好

三，人工神经网络：
1.(Artificial Neural Network, ANN) 模仿生物神经网络(中枢 大脑)的结构和功能的数学模型 用于对函数惊醒估计或者近似 更好的解决问题

四，神经元：
1.神经网络中的基础，相互连接，组成神经网络
2. T=f(W^TA+b)

五，单层神经网络：

六，感知机：

七，多层神经网络：

八，激活函数：
1.作用：增加非线性分割能力 提高模型鲁棒性(稳健性 拟合另一波数据能力) 缓解梯度消失问题 加速模型收敛(模型训练更快)等
2.例子：感知机二分不完全 添加激活函数使二分线直线变弯 增加区分的准确性(例子理解即可)

其他：
线性条件：

深度学习(001)-深度学习简介

标签：能力   多层   鲁棒性   例子   人工神经网络   img   机器   线性   添加   

原文地址：https://www.cnblogs.com/lixiao6/p/12075529.html