基础 | 深度学习与神经网络-介绍

导读

深度学习

深度学习改变了搜索、广告等传统互联网业务，使更多产品以不同方式来帮助人们。AI的兴起犹如百年前电气的普及影响着各个行业。在AI的各个分支中，深度学习发展最快。

我们常用深度学习来指训练神经网络的过程，有时指的是特别大规模的神经网络训练。

样例

通过线性回归对房价预测拟合一条直线，因为房屋价格永远不可能为负值，所以将直线进行弯曲，在0处结束。

这也是一个最简单的神经网络，将房屋面积作为输入（x），通过一个节点最终输出价格（y）。这个节点就是一个神经元，连接网络实现了我们所绘制的预测房价函数。图中的函数在神经网络中较为常见，从趋近于零开始，然后变成一条直线。这个函数被称作ReLU激活函数，它的全称是Rectified Linear Unit。rectify（修正）可以理解为max(0,x)。

上图每个小节点都是ReLU的一部分，既线性修正单元。房屋面积、家庭人口、学校质量等因素都会影响到房屋价格，x是因素的输入，y是预测的价格，单个神经元的叠加生成一个稍大的神经网络。

当你实现一个神经网络之后，你需要输入x，就可以得到y，它可以自行计算训练集中样本数目及中间过程。在上图的神经网络中，你只需要输入对应的特征，神经网络会预测对应的价格。

只要给予足够多的(x,y)训练集，神经网络擅长计算x到y的精准映射函数。

THE END

本篇文章是小编学习吴恩达老师深度学习课程的一些笔记，同时也是我第一次写公众号文章，所以只写了一个介绍试试水，有批评指正欢迎提出，在写作方面我还是一只小白，感谢各位看到最后，小生有礼了。

----