什麼是是神經網路？
假如有6間房屋的資料集，已知房子的面積，單位是平方公尺或平方英呎，已知房子的**。如果通過這6間房子的**和房子的面積，**房子的**，首先要建立起乙個資料模型 ，x軸為**，y軸為房子面積的模型
用這些資料，來擬合一條直線，但是明白一點，**不可能為負數，然後一條擬合直線出來了
這個**房價的模型，是最簡單的神經網路，這個圖也叫做relu函式，修正線性單元，修正意思是取不小於0的值
然後我們輸入房子面積x， 從這個小神經網路中得到輸出**y，中間的小圓圈，就是乙個小的神經網路，上面的relu函式是這個小神經網路的圖形邏輯展現
更複雜的神經網路是如何構建的？
都是由這些小神經網路堆疊而成，像中國長城，由一塊一塊青磚構建而成，也如三尺之冰，並非一日之寒所造成
還是以房子**模型為例，假如我不僅僅只是知道了這套房子的面積，還獲得了更多的資訊可以影響房子的**：
面積 size
臥室數量 bedrooms
家庭人數 family size
(依據家庭人數和臥室數量，決定選購房子的面積，不僅僅這些資料，有可能需要考慮的更多)
附近是否高度步行化：去學校、去便利店、去公司，是否可以步行解決還是要坐車，或騎自行車就能解決
附近學習資源的質量等等都或多因素都影響的房子的**與購買期望
zip code 郵編 代表小區， walking代表小區的步行化程度，wealth財富 代表著小區的人文環境
x 表示輸入特徵資料，y表示房價，中間的部分全部交給神經網路去完成，我需要做的是只要輸入x，就能獲取y，獲得**的房子**
每個特徵值x1, x2, x3, x4，都連線中間的每個圓圈，在這個神經網路中，只有餵給它足夠多x 和 y 相關的樣本資料，從而計算x到y的 精準對映函式，
這個就是簡單的神經網路模型，也叫做監督學習，同時需要輸入特徵值x 和輸出 **值y，進行大資料的訓練，從而得到精確的神經網路模型
深度學習概論
在監督學習中，輸入x，習得乙個函式，對映到輸出y。比如上述應用於房價 的例子，輸入房屋的一些特徵，就能輸出 資料規模不大時，各種演算法之間的優劣很難衡量，最終的效能更多取決於手工設計元件的技能。由於傳統的機器學習模型無法處理海量的資料，資料規模過大後，它們的效能變進入了瓶頸期。與20年前相比，現在收...
深度學習概論學習筆記
神經網路是乙個受大腦工作方式開發出來的強力學習演算法 我的理解是模擬spring框架中 mvc的 dao層，service層，和 controller層。只不過service層是可以學習 並且自己開發的的。x 輸入 y輸出 假設將3個64x64的矩陣提取出來放入特徵向量。總值為64x64x3 122...
深度學習之基本概論
深度學習 dl,deep learning 是機器學習 ml,machine learning 領域中乙個新的研究方向，它被引入機器學習使其更接近於最初的目標 人工智慧 ai,artificial intelligence 深度學習是學習樣本資料的內在規律和表示層次，這些學習過程中獲得的資訊對諸如文...