知识卡片
深度表示逐层组合非线性变换
多层可训练非线性变换把原始数据映到逐渐抽象的表示,供后续任务使用。这解释表示学习的计算思路,不证明层次对应真实脑认知,也不意味着多层神经网络直到2006年才首次出现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
深度学习就是一种特征学习方法,把原始数据通过一些简单的但是非线性的模型转变成为更高层次的、更加抽象的表达。通过足够多的转换的组合,非常复杂的函数也可以被学习。(选自《深度学习-LeCun、Bengio和Hinton的联合综述》)
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第01章《中文语言的机器处理》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00006.html)
- 结论依据:摘录中关于深度表示逐层组合非线性变换的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:深度学习就是一种特征学习方法,把原始数据通过一些简单的但是非线性的模型转变成为更高层次的、更加抽象的表达。通过足够多的转换的组合,非常复杂的函数也可以被学习。(选自《深度学习-LeCun、Bengio和Hinton的联合综述》)