深度学习与神经网络

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了深度学习与神经网络，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含414字，纯文字阅读大概需要1分钟。

内容图文

深度学习的特点：

1）建立、模仿人脑学习的机制

2）含多隐层的多层感知器；组合底层特征形成更加抽象的高层特征

3）发现数据的分布性特征

4）源于人工神经网络

 

人工神经网络的低潮：

1）容易过拟合、参数难tune，需要不少trick

2）训练速度比较慢，在层次比较少（小于等于3）的情况下效果并不比其它方法更优

 

人工神经网络和DL的训练机制的区别：

人工神经网络：back propagation；采用迭代的算法来训练整个网络，随机设定初值，计算当前网络的输出，然后根据当前输出和label之间的差去改变前面各层的参数，直到收敛（整体是一个梯度下降法）

DL：deep network（7层以上），如果采用BP算法，残差传播到最前面的层已经变得太小，出现所谓的gradient diffusion（梯度扩散）

 

 

 

原文：http://www.cnblogs.com/Wanggcong/p/4889534.html

内容总结

以上是互联网集市为您收集整理的深度学习与神经网络全部内容，希望文章能够帮你解决深度学习与神经网络所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---