深度学习可以使得鱼与熊掌兼得。
为什么要有隐藏层?
只要绿色得点够多,被切得线段足够多,就可以尽可能得去拟合这个曲线得形状。
只有有一个Hidden_Layer就可以拟合所有函数,提出质疑,为什么还需要Deep Learning?或者不是Fat Network?
深度学习之所以可以做到鱼与熊掌兼得,就是因为其虽然具有了复杂的模型结构,但是其依赖的数据也变多了,随着数据增多,理想与现实之间差异逐步缩小,理想就可以很好的对现实进行预测表示。
模型变宽和模型变深的对比:
两层的神经网络模型:
得到结论:在进行深度学习时候需要大量的资料,但是如果不采用深度学习架构,想要获得同样的拟合函数需要更大规模的网络与参数,因此选择采用深度学习是具有理论的合理性的。