神經網路和深度學習
主目錄僅僅在過去的 20 年裡對於很多應用，我們便收集到了大量的 資料，遠超過機器學習演算法能夠高效發揮它們優勢的規模。而深度學習和神經網路展現出的是，如果你訓練乙個小型的神經網路，那麼這個效能可能會像下圖黃 色曲線表示那樣；如果你訓練乙個稍微大一點的神經網路，比如說乙個中等規模的神經網路 （下圖藍色曲線），它在某些資料上面的效能也會更好一些；如果你訓練乙個非常大的神經 網路，它就會變成下圖綠色曲線那樣，並且保持變得越來越好。總結起來就是，神經網路和深度學習適合大資料集下的場景，並且資料集越多演算法發揮的作用就越大直至飽和，這樣處理大資料集的方式這比傳統的要有效得多
房價**的例子：
假設你有乙個資料集，它包含了六棟房子的資訊。所以，你知道房屋的面積是多少平方，並且知道房屋**。這時，你想要擬合乙個根據房屋面積**房價的函式。（其實就是基於這樣的一種思想：把面積作為自變數x，**作為因變數y，然後由六個資料集擬合出一條直線，這條直線能夠用來**當x為某值時**y應該估計為多少。注意的是，這樣通過六個資料集擬合出來的一條直線應該使得估計值和真實值的總體損失最小，即以後說到的損失函式loss function）
我們知道**永遠不會是負數的。因此，為了替代一條可能會讓**為負的直線，我們把直線彎曲一點，讓它最終在零結束。這條粗的藍線最終就是你的函式，用於根據房屋面積****。有部分是零，而直線的部分擬合的很好。
作為乙個神經網路，這幾乎可能是最簡單的神經網路。我們把房屋的面積作為神經網路的輸入，通過乙個節點（乙個小圓圈），最終輸出了**（我們用 表示）。其實這個小圓圈就是乙個單獨的神經元。接著你的網路實現了左邊這個函式的功能。
神經網路和深度學習
主目錄
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 ...
深度學習筆記 什麼是神經網路
人工神經網路 英語 artificial neural network，ann 簡稱神經網路 neural network，nn 或類神經網路，在機器學習和認知科學領域，是一種模仿生物神經網路 動物的中樞神經系統，特別是大腦 的結構和功能的數學模型或計算模型，用於對函式進行估計或近似。神經網路由大量...
神經網路和深度學習 淺層神經網路
乙個淺層神經網路示意圖 如圖所示，表示乙個單隱層的網路結構。這裡主要需要注意的是，層與層之間引數矩陣的規格大小 隱藏層和輸出層之間 由上面我們可以總結出，在神經網路中，我們以相鄰兩層為觀測物件，前面一層作為輸入，後面一層作為輸出，兩層之間的w引數矩陣大小為 n out,nin b引數矩陣大小為 n ...