第一周深度学习概论

第一周:

<一>什么是神经网络？

选用房价案例来说明什么是神经网络。

那个细胞代表了回归方程，x决定出y价格。

房间的价格取决于房间的面积

第二张图片则更加符合现实：

房屋的价格不仅仅取决于房间的面积size，还取决于房间的个数，房屋的地段，距离学校的远近等。想要得出最终的房屋价格，需要综合考虑。

详细解释一下第二幅图片：

1.房屋尺寸和房间个数得出家庭人员数目

2.邮政编码和房屋绿化程度得出步行距离，

3.邮政编码和健康程度也能够算出学校质量。

通过家庭人员数目，步行距离，学校质量最终得出房屋价格

特征与特征之间能够得出一种新的特征

 

 

实际上就是用函数拟合出x与y的关系

<二>用神经网络进行监督学习

1.什么是监督学习

监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。

结构化数据和非结构化数据

结构化数据最终得出的是一个数据

非结构化数据包含图像，声音，非结构化数据比较难以理解

 

神经网络的应用领域

标准NN   房价估计等

CNN  图像处理

RNN  语音 文字

<三>为什么近几年深度学习开始流行

基础的机器学习SVM，logistic在刚开始的时候效果不错，但是处理海量数据性能并不好。

数据和计算能力想要训练一个大规模的神经网络非常困难。

算法也并不好。sigmoid->relu

Sigmoid在解接近0和1的时候变化非常慢。

硬件也在发展