吴恩达Coursera深度学习（1-4）深层神经网络

转载博客：http://blog.csdn.net/Koala_Tree

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