深度学习一、神经网络

文章内容是对深度学习理解,本篇主要介绍深度学习概念中的神经网络。

1.1 单神经元网络(SNN,Single Neural Network):

如上图中,假设已知n组{[房屋面积],[房价]}数据。

如何根据房屋面积,得到预测房价的函数,可利用左图中的方法:使用直线(一元函数y = ax + b),又因为房价不可能为0,所以,在不同区间函数具有不同的表达式。此函数可以视为单神经网络,input(x) ->neural(神经元)-> output(y)。而这个函数模型,被称为ReLU(rectified修正linear线性unit单元) function(函数),其中修正是指不取小于0的数。ReLU函数就是图中的神经元

1.2神经网络(NN,Neural Network):

同样预测房价,假设,给定更多的条件[房屋面积,房间数量,邮编,周边人口富裕程度],将每个input条件都提供给

多个单神经元(称为隐藏神经元,并且每个神经元都接收N个条件,不限定每个神经元的处理)组合在一起,就构成了神经网络,input(x) ->middle(隐层)-> output(y)。神经网络,在有足够多数据的情况下,善于推导出x => y的精确映射函数。

参考资料:吴恩达,神经网络和深度学习。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181121G235V200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券