吴恩达深度学习入门学习笔记之神经网络和深度学习(第一周)
来源:互联网 发布:搜狐证券软件 编辑:程序博客网 时间:2024/05/17 10:07
第一周为深度学习概论,教授了一些基础概念。
2017.8.31
1.3 用神经网络进行监督学习
对于一般的数据,比如说房价问题,使用标准的神经网络。
对于图像领域中的一些数据处理,经常使用CNN(卷积神经网络)
对于序列数据,比如音频文件,和时间有关系,是一维时间序列,经常使用RNN(循环神经网络)。还有单词等逐个出现的数据。
对于一些复杂的数据,比如说道路检测中图像加雷达,可以用更复杂的混合神经网络。
机器学习可应用于结构化(structured data)和非结构化数据(unstructured data)
结构化例子:表格,数据库等
非结构化例子:图像,音频文件
1.4 为什么深度学习会兴起
1.兴起原因:数据量的剧增,计算能力的增长+算法的创新
2.要想解决问题的性能更好:1.数据量够大 2.网络够大
3.通常使用m来表示训练集的大小
4.通过将sigmoid函数转换为ReLU函数,能够使得梯度下降法运行的更快。
因为sigmoid函数两边梯度接近于0,所以学习会变得非常缓慢;因为在用梯度下降法时,梯度接近于0时,参数会变化的很慢。而ReLU对于正值输入的梯度为1.
阅读全文
0 0
- 吴恩达深度学习入门学习笔记之神经网络和深度学习(第一周)
- 吴恩达深度学习入门学习笔记之神经网络和深度学习(第二周:神经网络基础)
- 吴恩达深度学习入门学习笔记之神经网络和深度学习(第二周:神经网络基础)
- 吴恩达神经网络和深度学习课程自学笔记(一)之深度学习概论
- 吴恩达神经网络和深度学习课程自学笔记(五)之深度学习实用层面
- 深度学习与神经网络-吴恩达-第一周 正则化
- 深度学习与神经网络-吴恩达-第一周 梯度检查
- 深度学习之神经网络入门(一)
- 【神经网络和深度学习】笔记
- 【神经网络和深度学习】笔记
- 神经网络和深度学习-第一周深度学习概论-第一节:欢迎来到深度学习工程师微专业
- 深度神经网络入门学习
- 神经网络和深度学习笔记(一)
- 【神经网络和深度学习】学习笔记
- 深度学习之(DNN)深度神经网络
- 吴恩达神经网络和深度学习课程自学笔记(二)之神经网络基础
- 吴恩达神经网络和深度学习课程自学笔记(三)之浅层神经网络
- 吴恩达神经网络和深度学习课程自学笔记(四)之深层神经网络
- mysql
- 微信小程序 扫码 加载图片
- 深入理解PHP:高级技巧、面向对象与核心技术(原书第3版) -- 高级 PHP 技巧
- Cpage.js列表渲染
- Fragment简易新闻
- 吴恩达深度学习入门学习笔记之神经网络和深度学习(第一周)
- LeetCode.209 Minimum Size Subarray Sum
- C语言数据结构单链表之温故而知新
- 深入并发包 ConcurrentHashMap
- hdu 2187
- 美团点评2017年秋招笔试题 改考卷
- (转)这是券商对金融科技最看重的一年!
- 懒加载的原理及实现
- 使用TensorFlow Object Detection API进行图像物体检测