当前课程知识点:小白学人工智能 >  五、二战深度学习之深度学习 >  5.1 深度学习和做粤菜 >  深度学习和做粤菜

返回《小白学人工智能》慕课在线视频课程列表

深度学习和做粤菜在线视频

下一节:手写数字识别案例

返回《小白学人工智能》慕课在线视频列表

深度学习和做粤菜课程教案、知识点、字幕

之前我们介绍了深度学习中必不可少的神经网络

神经元感知器 神经元组成的输入层 隐藏层 输出层

神经元之间的权重W 神经元自己的偏移量B

隐藏层的作用是什么

我个人理解就是挖掘影响输出结果的因素

单层感知器是多个输入 一个输出

神经网络是多层感知器 多个输入 多个输出

单层感知器只能解决线性分类问题

不能解决线性不可分问题 就是非线性分类问题

神经网络能解决线性分类 非线性分类问题

回到“深度学习”的定义

深度学习的概念源于人工神经网络的研究

含多隐层的多层感知器就是一种深度学习结构

深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征

以发现数据的分布式特征表示

这个定义里强调“组合低层特征形成更加抽象的高层表示属性类别或特征”

隐藏层就是把输入层的数据抽象为更加抽象的高层来表示属性类别或特征

特征是数据的有效表示 能用来表示数据的属性或类别

多个隐藏层就是对输入数据进行多层的抽象

提取更抽象的更高层的特征

还记得“小蝌蚪找妈妈”吗

大眼睛 白肚皮 不多不少四条腿

光大眼睛也不行 光白肚皮也不行

那这张呢 是青蛙吗

没有白肚皮 没有四条腿 但肯定是啊

这张呢

肯定也是啊

那到底如何描述识别出青蛙属性类别的特征呢

反正我有些头痛如何描述

那就交给电脑去描述

让电脑去自动发现特征表示

这就是二战深度学习-深度学习

看看计小白深度学习的学习过程吧

有请计小白

大概明白了深度学习是如何学习的

当然蛮多概念

激活函数 前向传播 损失函数 反向传播 学习速率 梯度下降 欠拟合 过拟合

哦 没关系 一个个来嘛

我们会继续有一些小白自己对知识点的讲解

为什么 这是广州一位任老师的体会

第二次有机会学习李老师的人工智能课程

我觉得非常地幸运 也很珍惜这一次的学习机会

第一次学习 懵懵懂懂的

就觉得是一个个没见过没听过的理论内容

而第二次学习才发现

把抽象化为形象 把复杂的东西简单化 真的非常棒

非常谢谢任老师

人工智能难学的一个原因就是理论知识很多很多

而且大多是之前没有任何基础的理论知识

第一次接触必须懵懵懂懂

一回生二回熟 要多接触几次

先用小白们自己的讲解

当然 最好你先自己在网上了解知识点

再对比我们的讲解

相互补充 相互对照

小白学人工智能课程列表:

一、为什么要学习人工智能?

-1.1 人工智能能做什么?

--人工智能能做什么

--课后作业

-1.2 人工智能案例——智能小恐龙

--人工智能案例——智能小恐龙

二、神奇的f(x)=y

-2.1 学习人工智能就是学习f(x)=y

--学习人工智能就是学习f(x)=y

--课后作业

-2.2 f难找吗

--声控小恐龙的f

--课后作业

-2.3 聊聊线性(f)和非线性(f)

--聊聊线性f和非线性f

--课后作业

三、猫狗大战之KNN分类

-3.1 初识KNN

--初识KNN

--课后作业

-3.2 猫狗大战,xy好找吗

--猫狗大战,xy好找吗

--课后习题

四、一战深度学习-什么是神经网络

-4.1 初识神经网络

--初识神经网络

-4.2 如此重要的感知器

--如此重要的感知器

--课后作业

-4.3 神经网络和西瓜

--神经网络和西瓜

--课后作业

五、二战深度学习之深度学习

-5.1 深度学习和做粤菜

--深度学习和做粤菜

-5.2 手写数字识别案例

--手写数字识别案例

-5.3 网络参数的计算

--网络参数的计算

-5.4 再聊激活函数

--再聊激活函数

-5.5 梯度下降

--梯度下降

-5.6 反向传播

--反向传播

-5.7 欠拟合和过拟合

--欠拟合和过拟合

-5.8 代码和小结

--代码和小结

深度学习和做粤菜笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。