吴恩达深度学习 | 神经网络和深度学习(第一周深度学习概论)
2018-06-10 11:13
295 查看
个人笔记
1.2 什么是神经网络
ReLU函数 修正线性单元 取值不小于0
输入x 隐藏层 输出y
1.3 用神经网络来监督学习
1.基于机器学习(监督学习):由输出X生成一个函数,从而得到输出y。
2.广告投入,房价,使用标准的神经网络(standard NN)
图像识别常应用卷积神经网络(CNN)。
语音识别》》》语音,时间的推移,归为时间序列(一维),对于序列数据常使用循环神经网络(RNN)。
语言(翻译)》》》按顺序排列,是序列数据,使用递归神经网络(RNNs).
无人驾驶、雷达(高级的图像识别应用),使用CNN的基础上还有一些混合的神经网络。
3.机器学习被应用于结构化数据和非结构化数据:
结构化数据:数据的数据库
非结构化数据(计算机更难理解):音频,图像,文本等
1.4 为什么深度学习会兴起
1.数据集的增大,CPU、GPU的发展,可以训练越来越大的神经网络(需要大量的数据集)
数据集不大的时候,训练效果取决于你手工设计的组件。
当数据集非常大(大数据)的时候才能体现出神经网络算法优于其他传统机器学习算法。
2.神经网络的一个突破性进步:从sigmoid函数,到ReLU函数
机器学习:两侧梯度几乎为0,学习效率很慢。(使用梯度下降法时,参数变化很慢,学习就会很慢)
而通过改变激活函数,神经网络使用修正线性单元ReLU,梯度为1,使梯度下降法运行的更快。
1.5 关于这门课
答疑邮箱:feedback@deeplearning.ai
第一周作业
相关文章推荐
- 吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第四节:为什么深度学习会兴起?
- 吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第六节:课程资源
- 吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第三节:用神经网络进行监督学习
- 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(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第二节:什么是神经网络
- 吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第五节:关于这门课
- 吴恩达《深度学习-神经网络和深度学习》1--深度学习概论
- 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
- 吴恩达深度学习 | 神经网络和深度学习(第三周浅层神经网络)
- 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
- 吴恩达深度学习视频笔记1-4:《神经网络和深度学习》之《深层神经网络》
- 1.神经网络和深度学习-第一周(概论)与第二周(神经网络基础)
- coursera 吴恩达 -- 第一课 神经网络和深度学习 :第一周课后习题 Neural Network Basics
- 深度学习工程师——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)
- 神经网络和深度学习-第一周深度学习概论-第五节:关于这门课
- 吴恩达深度学习视频笔记1-2:《神经网络和深度学习》之《神经网络基础》
- 神经网络和深度学习-第一周深度学习概论-第二节:什么是神经网络
- 吴恩达《深度学习-神经网络和深度学习》2--神经网络基础
- 吴恩达《深度学习-神经网络和深度学习》3--浅层神经网络