2. 深度學習與神經網路基礎
阿新 • • 發佈：2018-12-11
1. 人工智慧、機器學習和深度學習的概念及關係
人工智慧（Artificial Intelligence， AI）——為機器賦予人的智慧，即計算機能夠像人類一樣完成更智慧的工作。
機器學習是實現人工智慧的一種手段。何為“學習”？“如果一個程式可以在任務T上，隨著經驗E的增加，效果P也可以隨之增加，則稱這個程式可以從經驗中學習。”
對傳統機器學習而言，通常需要進行特徵提取，而這並不簡單。深度學習解決的核心問題之一就是自動地將簡單的特徵組合成更復雜的特徵，並使用這些組合特徵解決問題。深度學習是機器學習的一個分支，它除了可以學習特徵和任務之間的關聯外，還能自動從簡單特徵中提取更加複雜的特徵。
機器學習和深度學習的流程區別如下：
人工智慧、機器學習和深度學習之間的關係可以表示如下：
深度學習是源於人工神經網路的研究，其“深度”表示“深層” 神經網路。
2. 神經網路
神經網路的結果大致如下，隱藏層可能有多層：
使用神經網路解決分類問題主要可以分為以下4個步驟：
- 提取物體中實體的特徵向量作為神經網路的輸入。不同的實體可以提取不同的特徵向量；
- 定義神經網路的的結構，並定義如何從神經網路的輸入得到輸出。這個過程就是神經網路的前向傳播演算法；
- 通過訓練資料來調整神經網路中引數的取值,這個過程常用神經網路的反向傳播演算法實現；
- 使用訓練好的神經網路來預測位置的資料，和第2步前向傳播演算法一致。
3. 前向傳播演算法
關於前向傳播演算法可以參考https://cloud.tencent.com/developer/news/257834,其實主要就是矩陣計算。