深度学习是现在最火的AI技术之一,其基本原理就是构建一张含有多层的神经元网络,经过带有标签的数据的训练后,将这张网络拟合出符合问题解的函数。
深度学习之三步走:
首先,你得定义出这个问题,明确这个问题的输入输出是什么。
然后,设计出符合问题的神经网络。
再者,经过数据的训练后,凑出输入输出之间的映射关系即函数。
举个例子,对于今天小明是否出门这个问题,由三个因素决定,是否下雨、是否心情好,是否有人约。
我们的目的就是找出这个输入到输出的映射关系。
对于这么简单的问题,我们用简单的神经网络,即一个神经元。
该神经元的结构是
然后,我们就得让这个神经元见识大量的小明出门的数据,让他对小明是否出门做出判断并告诉他判断的对错。经过我们不断的告诉他对错,就好像老师一样指导他,直到他回答问题越来越准。
那么我们就找出来能解决这个问题的神经网络啦。
这一整个过程就叫做深度学习。之所以叫深度学习,因为复杂的问题会用到很多个神经元,即层次很多很深的神经网络)。
题外话:
科个普啦,是我打算开始写的一个小专栏,每天(可能每天吧哈哈
)介绍我学到的一些知识,内容尽量精简,文字表达,少弄公式(实际上是因为贴图好难整
)