監督式神經網路監督學習問題分為回歸問題和分類問題。在回歸問題中，我們試圖在連續輸出中**結果，這意味著我們試圖將輸入變數對映到某個連續函式。在分類問題中，我們試圖**離散輸出的結果。換句話說，我們試圖將輸入變數對映到離散類別中。
以下是一些監督學習的例子
有不同型別的神經網路，例如常用於影象應用的卷積神經網路(cnn)和用於一維序列資料的遞迴神經網路(rnn)。如英譯漢或時間的組成部分，如文字。在自主駕駛方面，它是一種混合神經網路結構。
結構化資料與非結構化資料
結構化資料是指具有定義意義的事物，如**、年齡，而非結構化資料指的是畫素、原始音訊、文字等。
吳恩達神經網路和深度學習
課程名稱 神經網路和深度學習 andrew ng 神經網路和深度學習 1 什麼是神經網路 傳送門 神經網路和深度學習 2 啟用函式 傳送門 神經網路和深度學習 3 神經網路輸入的表示 傳送門 神經網路和深度學習 4 符號約定 傳送門 神經網路和深度學習 5 邏輯回歸 傳送門 神經網路和深度學習 6 ...
吳恩達 深度學習 神經網路和深度學習
二分類問題是一種簡單分類問題，其輸出結果是兩個離散值。假如給定一副貓的，那麼二分類問題就可描述為 判別這幅影象中是否有貓？分類結果也只有1 表示存在 0 表示不存在 兩種。符號定義 x 表示乙個nx維資料，為輸入資料，維度為 nx,1 y 表示輸出結果，取值為 0,1 x i y i 表示第i組資料...
吳恩達機器學習之神經網路概述
一 非線性假設 線性回歸與邏輯回歸，都是線性假設，對於一些問題，如果用線性假設模擬，引數將會非常多，計算量巨大，而用非線性假設模擬，引數數量可能要少的多。此外，所有的線性假設，如感知機，都不能解決異或 xor，不同即為真 與同或 xnor，相同即為真 問題，即非線性邊界。神經網路，既可以做線性假設，...