今天的內容會帶大家了解
1. 類神經網路與深度學習的比較以及差異性
2. 深度學習能解決哪些問題
3. 深度類神經網路常見名詞與架構
深度學習不僅僅在深度高於類神經,因著算法改良、硬體能力提升以及巨量資料等因素,已經成為目前最熱門的技術
不同的深度學習架構適用於不同種類的應用
如卷積神經網路(CNN)適用於影像處理、遞歸神經網路(RNN)適用於自然語言處理
至今這些架構仍在持續演進與改良。
深度神經網路巨觀結構來看,包含輸入層 / 隱藏層 / 輸出層等層次,局部則是由啟動函數轉換輸出
藉由預測與實際值差距的損失函數,用倒傳遞方式更新權重,以達成各種應用的學習目標
有了大概的理解之後,我們開始今天的學習吧!!!