事實上，到目前為止，幾乎所有由神經網路創造的經濟價值都基於其中一種機器學習，我們稱之為「監督學習」（supervised learning）。在監督學習中，輸入 x，學習得到乙個函式，對映到輸出 y，比如之前輸入房間特徵，得到**。
下面是監督學習的一些例子
深度學習在廣告、計算機視覺、語音識別、機器翻譯、無人駕駛等方面取得了顯著的效果，創造了很多價值，而這些都需要機智地選擇 x 和 y 才能解決特定的問題，然後把這個監督學習過的元件嵌入到更大型的系統中，比如無人駕駛等。
上圖分別為標準的神經網路，卷積神經網路（convolutional neural network, cnn） ，和 迴圈神經網路（recurrent neural network, rnn）。卷積神經網路通常用於影象資料，迴圈神經網路非常適合處理一維序列資料。
機器學習被應用於結構化資料和非結構化資料，結構化資料是資料的資料庫，例如在**房價的例子中，資料可以是乙個資料庫或資料列。結構化資料意味著每個特徵都有清晰的定義。
非結構化資料指的是比如音訊、影象等，這裡的特徵可能是影象中的畫素值，或者文字中的單個單詞。
從歷史角度看，非結構化資料與結構化資料相比，讓計算機理解起來更難，但人類進化到現在，很擅長理解音訊訊號和影象。神經網路的興起過程中，最令人興奮的事情之一就是多虧了深度學習，多虧了神經網路，計算機現在能更好的理解非結構化資料。和那幾年前對比的話，這給我們創造了很多令人興奮的應用機會，比如語音識別，影象識別，自然語言文書處理。
神經網路在很短期創造的經濟價值是基於結構化資料的，比如更好的廣告系統，因為有更好的能力去處理很多公司擁有的海量資料庫，並用這些資料準確**未來趨勢。
神經網路徹底改變了監督學習，正創造著巨大的經濟價值。
深度學習和神經網路 深度學習概論
1.什麼是神經網路 深度學習是指訓練神經網路的這個過程,那麼神經網路是什麼,我們可以從房價 的例子說起 前提是你的有乙個資料集,假設這個資料集中包含有六棟房子的資訊 面積和房屋 這時,你想要擬合乙個根據房屋面積 房價的函式.我們假設擬合如下圖所示的直線.作為乙個神經網路,這可能是最簡單的神經網路.我...
深度學習概論 什麼是神經網路
深度學習指的是訓練 神經網路 所謂訓練就是和正確的結果對比，然後不斷更正有操作的偏差。就像且土豆絲，不斷調整自己下刀的厚度，既不能太細，也不能切成塊。什麼是神經網路 乙個簡單的神經網路。現在假設我們有一些關於房屋的資料集，這個資料集裡面包含了房屋的面積以及房價。我們希望從房屋的面積大小來 該房屋的 ...
機器學習，深度學習，神經網路，深度神經網路
先來說一下這幾者之間的關係 人工智慧包含機器學習，機器學習包含深度學習 是其中比較重要的分支 深度學習源自於人工神經網路的研究，但是並不完全等於傳統神經網路。所以深度學習可以說是在傳統神經網路基礎上的公升級。神經網路一般有輸入層 隱藏層 輸出層，一般來說隱藏層大於2的神經網路就叫做深度神經網路，深度...