神经网络 之 DNN(深度神经网络) 介绍

CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)

CNN 专门解决图像问题的,可用把它看作特征提取层,放在输入层上,最后用MLP 做分类。

RNN 专门解决时间序列问题的,用来提取时间序列信息,放在特征提取层(如CNN)之后。

DNN 说白了就是 多层网络,只是用了很多技巧,让它能够 deep 。

 
什么是深度学习
深度学习=深度神经网络+机器学习
人工智能 > 机器学习 > 表示学习 > 深度学习
 
神经元模型
输入信号、加权求和、加偏置、激活函数、输出
神经网络 之 DNN(深度神经网络) 介绍
全连接层
输入信号、输入层、隐层(多个神经元)、输出层(多个输出,每个对应一个分类)、目标函数(交叉熵)
神经网络 之 DNN(深度神经网络) 介绍
待求的参数:连接矩阵W、偏置b
训练方法:随机梯度下降,BP算法(后向传播)
 
Python中深度学习实现:Keras
安装:pip install Keras
优点:高度集成和封装,上手快、使用方便
内容:Model、Layer、Objective、Metric、Optimizer、Activation、Initialization、Regularizer
 
全连接层:Dense

转载网络

上一篇:我项目中使用userData的实例 UserData.js


下一篇:vue中v-model动态生成的实例详解