吴恩达Coursera深度学习(1-4)深层神经网络
2018-02-24 21:26
459 查看
转载博客:http://blog.csdn.net/Koala_Tree
Week 4深层神经网络
目录
1矩阵的维度
2为什么使用深层表示
3前向和反向传播
4参数和超参数
对于人脸识别,神经网络的第一层从原始图片中提取人脸的轮廓和边缘,每个神经元学习到不同边缘的信息;网络的第二层将第一层学得的边缘信息组合起来,形成人脸的一些局部的特征,例如眼睛、嘴巴等;后面的几层逐步将上一层的特征组合起来,形成人脸的模样。随着神经网络层数的增加,特征也从原来的边缘逐步扩展为人脸的整体,由整体到局部,由简单到复杂。层数越多,那么模型学习的效果也就越精确。
对于语音识别,第一层神经网络可以学习到语言发音的一些音调,后面更深层次的网络可以检测到基本的音素,再到单词信息,逐渐加深可以学到短语、句子。
所以从上面的两个例子可以看出随着神经网络的深度加深,模型能学习到更加复杂的问题,功能也更加强大。
电路逻辑计算:
Class 1:神经网络和深度学习
Week 4:深层神经网络
目录
Class 1神经网络和深度学习Week 4深层神经网络
目录
1矩阵的维度
2为什么使用深层表示
3前向和反向传播
4参数和超参数
1、矩阵的维度
DNN结构示意图如图所示:2、为什么使用深层表示
人脸识别和语音识别:对于人脸识别,神经网络的第一层从原始图片中提取人脸的轮廓和边缘,每个神经元学习到不同边缘的信息;网络的第二层将第一层学得的边缘信息组合起来,形成人脸的一些局部的特征,例如眼睛、嘴巴等;后面的几层逐步将上一层的特征组合起来,形成人脸的模样。随着神经网络层数的增加,特征也从原来的边缘逐步扩展为人脸的整体,由整体到局部,由简单到复杂。层数越多,那么模型学习的效果也就越精确。
对于语音识别,第一层神经网络可以学习到语言发音的一些音调,后面更深层次的网络可以检测到基本的音素,再到单词信息,逐渐加深可以学到短语、句子。
所以从上面的两个例子可以看出随着神经网络的深度加深,模型能学习到更加复杂的问题,功能也更加强大。
电路逻辑计算:
3、前向和反向传播
4、参数和超参数
相关文章推荐
- 吴恩达《深度学习-神经网络和深度学习》4--深层神经网络
- 吴恩达Coursera深度学习(1-2)神经网络基础
- Coursera吴恩达《神经网络与深度学习》课程笔记(2)-- 神经网络基础之逻辑回归
- Coursera吴恩达《神经网络与深度学习》课程笔记(5)-- 深层神经网络
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-4)-- 深层神经网络(转载)
- Coursera吴恩达《神经网络和深度学习》课程笔记(2)
- Coursera吴恩达《神经网络和深度学习》课程笔记(3)
- 吴恩达Coursera深度学习(1-3)浅层神经网络
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-4)-- 深层神经网络
- Coursera吴恩达《神经网络与深度学习》课程笔记(5)-- 深层神经网络
- 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)
- coursera 吴恩达 -- 第一课 神经网络和深度学习 :第三周课后习题 Shallow Neural Networks Quiz, 10 questions
- coursera 吴恩达 -- 第一课 神经网络和深度学习 :第四周课后习题 Deep Neural Network - Application v3
- 吴恩达DeepLearning.ai笔记(1-4)-- 深层神经网络
- 【吴恩达deeplearning.ai】深度学习(9):循环神经网络
- Coursera | Andrew Ng (02-week2)—改善深层神经网络:优化算法
- 吴恩达深度学习笔记 4.1~4.8 深层神经网络
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第4周神经网络
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第5周神经网络续
- 吴恩达深度学习视频笔记1-1:《神经网络和深度学习》之《深度学习概论》