深度學習主要是通過搭建深層的人工 神經網路（artificial neural network）來進行知識的學習，輸入資料通 常較為複雜、規模大、維度高
發展史
然而，2023年，minsky證明了感知器僅僅是一種線性模型，對簡單 的亦或判斷都無能為力，而生活中的大部分問題都是非線性的
然而在此之後的多年時間裡，深度學習並沒有代表性的演算法問世， 並且神經網路存在兩個致命問題：一是sigmoid在函式兩端具有飽和效 應，會帶來梯度消失問題；另乙個是隨著神經網路的加深，訓練時引數 容易陷入區域性最優解。這兩個弊端導致深度學習陷入了第二次低谷深度學習的發展離不開大資料、gpu及模型這3個因素
根據網路結構的不同，深度學習模型可以分為卷積神經網路 （convolutional neural network，cnn）、迴圈神經網路（recurrent neural network，rnn）及生成式對抗網路（generative adviserial network，gan）
深度學習發展史
神經元是神經網路的基本單元 神經元是神經網路的基本單元 神經元是神經網路的基本單元 這裡聽到了一點 啟用函式為什麼叫啟用函式，而不叫其他的名字 因為參考的是生物體的神經元 神經元需要的是電刺激達到某個閾值才會做出反應，所以叫啟用 一般的啟用函式都是將值域限制在很小的範圍內 這樣很合理，因為不限制的話...
機器學習的發展史
關於機器學習的詳細內容 機器學習入門 概念原理及常用演算法 本課程主要講解機器學習的概念 原理和應用場景，以及機器學習的常用演算法，比如有監督學習 無監督學習 線性回歸等。以掌握機器學習的概念 原理和演算法為目標，適合大資料開發者 機器學習開發者學習 機器學習是人工智慧研究較為年輕的分支，它的發展過...
Linux學習筆記（1） Linux的發展史
一 unix與linux 發展史 1.1965 年，美國麻省理工學院 mit 通用電氣公司 ge 及 at t 的貝爾實驗室聯合開發 multics工程計畫，其目標是開發一種互動式的具有多道程式處理能力的分時作業系統，但因 multics 追求的目標過於龐大複雜，專案進度遠遠落後於計畫，最後貝爾實驗...