深度学习整体名词概述
对****的课程进行了一个整理
1.神经网络现阶段的困扰
神经网络为什么能工作 如何工作最好 用多少层 多少个神经元 为什么 是没有确定答案的 所以在理论层还没有完全突破的情况下
我们学习的方式是 掌握用法 -实际使用 -回头理解
各名词的关系
1950年 : 感知器 (Perceptron) · 处理异或起来有障碍
1980年 : 反向传播(Back Propagation)·解决了异或 但是没有大数据支撑来处理
2006年: 深度置信网络(Deep Belief Nets)·《一个深度执行网络的快速学习算法》论文开启了新纪元
2010年: 使用GPU加速端到端BP神经网络 ·大幅提高了计算能力 使得输入和输出中间的可以交给计算器来处理实用性成为可能
神经网络分类
按数据流向
前馈 、递归、反馈
按网络中神经元组织形式
全连接、部分连接
按网络中神经元行为和连接方式
简单(全连接)、卷积、循环
应用
1.全连接 (数据分析,作为其他网络的组成部分)
2.卷积神经网络(计算机视觉,具有局部相关性的数据)
3.循环神经网络(自然语言处理,语音,具有顺序及前后关系性的数据)
按训练方法
监督学习、无监督学习、强化学习
现阶段所面对的问题
数学的基础不够清晰 神经元的理解非常的困难 没有办法精确的控制训练的结果
可以预见的是
随着各种更优算法的不断推出 人工智能会发展的越来越好