未来科技门户网

网站导航
  

  单个深度神经网络

 

  神经网络从数据中学习真正复杂的函数。从一端输入内容转换成另一端的输出内容。

 

  这一函数不像计算x2,而是真正复杂的函数。当你输入原始像素,比如一只猫是,输出结果就会是事物的类别。

 

  深度学习中的‘深度’是指神经网络的层的数量。

 

  对于深度,一个好的属性是系统是由简单的可训练的数学函数的集合构成的。

 

  深度神经网络与大量机器学习方式是兼容的。

 

  例如,你输入猫的图片,输出的是一张人为标注为猫的图像,这叫作监督式学习。你可以给系统列举大量的监督式样例,并且将学习结合一个函数,这个函数与在监督式例子所描述的是相似的。

 

  你也可以进行非监督式训练,你只得到图像而不知道图像里面的什么。然后系统可以依靠在众多图片中出现的模式学会挑选。所以,即使不知道图像叫作什么,它也可以在所有这些有猫的图形辨别出共同的事物来。

 

  这也和更多像强化学习这样的外来技术是兼容的。强化学习是非常重要的技术,它正在被AlphaGo使用。

m.keji.okinfo.org/标签:智能计算机系统的大规模深度学习,Large-Scale Deep Learning
热门评论 我也说两句
查看更多评论(0)
推荐阅读