知识卡片
深层网络逐层变换表示
深度学习通常用多层神经网络学习数据的表示与任务输出。一层用上一层的输出计算新的特征,多层组合可以形成更复杂的变换。数据量和计算预算会影响这类模型是否合适,规模较小的任务可以将经典算法纳入同一基线比较。
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
- 机器学习概述 1.3.4 · 查看原书依据
网络”算法,可理解为包含多个隐藏层的神经网络结构。为了提高深层神经网络的训练效果,人们对神经元的连接方法以及激活函数等方面做出了调整。其目的在于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,如文本、
参考来源
- 位置:《AI制胜:机器学习极简入门》第1章 机器学习概述 §1.3.4(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter1.xhtml#isbn9787302555513_1_1_2_8)
- 结论依据:本节从神经网络层间传递及算力需求解释深度学习。
- 原始内容:网络”算法,可理解为包含多个隐藏层的神经网络结构。为了提高深层神经网络的训练效果,人们对神经元的连接方法以及激活函数等方面做出了调整。其目的在于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,如文本、