深层神经网络与浅层神经网络的区别
来源:互联网 发布:淘宝天猫折扣群 编辑:程序博客网 时间:2024/05/22 15:50
熟悉神经网络的可能知道,Hornik在1989年,就证明了一个定理:
- 只需一个包含足够多神经元的隐层,多层前馈神经网络就能以任意精度逼近任意复杂的连续函数
那大家可能就会有疑问:既然一个隐层就够了,我们为什么还需要多层神经网络呢?
我们可以从这个定理中找到可能思考方式:
- (1)足够多神经元,你在实践中能保证么?
- (2)如果你要拟合的模型并不是连续函数,单个隐层够吗?
显然,这两个问题的回答都是否定的。
如果觉得我这个解释过于粗糙,可以看Andrew Ng在新课程”Deep Learning”中的解释。
下面这个图,我们也能看到:
- 第一层,提取低层次的简单特征(边缘特征)
- 第二层,将简单特征组合成复杂一点的特征(器官)
- 第三层,将第二层的特征组合起来
Andrew Ng还提到,神经科学家们觉得,人的打到也是先探测简单的东西,然后组合起来才能看到整体。
阅读全文
0 0
- 深层神经网络与浅层神经网络的区别
- 深层神经网络的搭建
- 机器学习与智能优化 之 浅层和深层神经网络
- 深层神经网络
- 两层神经网络的设计与实现
- 深度学习与深层神经网络等概念
- 神经网络的softmax层
- 深层神经网络的权值初始化问题
- 深层神经网络的正则化问题
- 第四周深层神经网络
- 改善深层神经网络
- 吴恩达学习-深层神经网络
- 神经网络基础—浅层神经网络
- 理解神经网络与卷积神经网络区别
- 神经网络与支持向量机的区别
- 神经网络隐含层的选取
- 多种神经网络的区别
- 卷积神经网络与caffe的卷积层、池化层
- Learning opencv 1 imageMask
- Anaconda3的汉化
- java--jvm--GC
- 069day(动态规划例题:数字三角形和输入输出流相关的类)
- 没有好消息
- 深层神经网络与浅层神经网络的区别
- 被动攻击和定制关系
- 12月18日 数据结构 周一
- Leetcode 541. Reverse String II
- Bootstrap4(十五)
- java的设计模式--单例模式
- 反向代理服务器的工作原理
- Bootstrap4(十六)
- MSP430学习笔记-低功耗模式