吳恩達Coursera深度學習課程筆記(1-1)神經網路和深度學習-深度學習概論
阿新 • • 發佈:2018-12-30
這系列文章是我在學習吳恩達教授深度學習課程時為了加深自己理解,同時方便後來對內容進行回顧而做的筆記,其中難免有錯誤的理解和不太好的表述方式,歡迎各位大佬指正並提供建議。
1、什麼是神經網路
|
2、監督學習
在實際應用中,由於資料的結構及其特點的不同,神經網路也有不同的結構。對於房屋預測、廣告推薦等場景,一般使用標準神經網路;對於影象,一般使用CNN(卷積神經網路);在處理音訊訊號和語言處理等序列資料時使用RNN(迴圈神經網路),在涉及到雷達和影象等更復雜的資料結構時,使用混合神經網路混合來進行處理。
3、結構化資料和非結構化資料
結構化資料是指資料的特徵等都有明確的定義的資料;非結構化資料是指類似與音訊、影象等我們無法描述其特徵是什麼及其特徵的含義是什麼的資料。不管是結構化資料還是非結構化資料,神經網路都可以很好的理解它們,對於非結構化資料,神經網路可以比其它方法做的更好。