Tensorflow2.0深度学习（1）人工智能绪论

本系列Tensorflow2.0深度学习都是《基于TensorFlow 2.0深度学习开源书》的读书笔记，在之后的笔记中都不在写该引用
该github的地址为https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book

浅层神经网络

1. MP 神经元模型
   Warren McCulloch 和 Walter Pitts根据生物神经元(Neuron) 结构，提出的最早的神经元数学模型，不具备学习能力

   f(x)=h(g(x)),g(x)=∑xi,xi∈{0,1}f(x)=h(g(x)),g(x)=\sum x_i,x_i\in\{0,1\}f(x)=h(g(x)),g(x)=∑xi​,xi​∈{0,1}
   如果$g(x)\ge 0$输出1，否则是0。

   

2. 感知机(Perceptron)
   输出值𝑜与真实值 之间的误差用于调整神经 元的权重参数{𝑤 , 𝑤 , … , 𝑤 }
   

深度学习特点：

1. 数据集的规模通常非常巨大
2. GPU 的浮点计算能力指数式增长
3. 网络规模增大
4. 通用智能

深度学习应用

1. 计算机视觉
2. 自然语言处理
3. 强化学习