可以通过各种布尔函数的组合来构建无限的可能来完成给定的布尔型任务。把复杂的形状,拆解为多个一般性的基本凸函数图形,这样就能让每个自网络处理一个凸函数图形,然后把他们整合起来,形成任意的复杂决策边界。
多层感知机能够联结多个计算模型以此来耦合复杂的布尔函数。
¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
可以通过各种布尔函数的组合来构建无限的可能来完成给定的布尔型任务。把复杂的形状,拆解为多个一般性的基本凸函数图形,这样就能让每个自网络处理一个凸函数图形,然后把他们整合起来,形成任意的复杂决策边界。
多层感知机能够联结多个计算模型以此来耦合复杂的布尔函数。
本节课除了介绍了一些 Deep Learning 当前的应用,课程规则,以及人类认知研究历史的一段,从中能看到网络的影子。
感知器神经元 可模拟布尔运算,
带隐层的感知器网络可进行凸形状表示
多个凸形状集合 可用多个感知机网络联合
感知机网络可逼近任意形状函数
神经网络可以看成多个感知机组合成网络,通过连接和阈值拟合任意的函数。感知机的不同组合能够构建复杂的划分边界,从而对各类数据进行分类
神经网络应用:
1)翻译
2)图像分割
3)语音识别
4)图像加文字说明
5)自动检测
6)games
2015年谷歌上线给予最新深度模型的翻译系统,翻译质量大幅提升。
神经网络历史
1) 人类是如何认知,大脑的神经元数量,以及多达数百亿的神经元链接
2)知识储存于链接之中
Recent Success
1、图像识别
2、目标检测
3、game-chess
4、字幕生成
Weekly Quiz
lecture也很重要
找出多少也ppt没在课堂上,他们的区别在哪儿?
Rosenblatt
什么是神经网络
认知
柏拉图 联接主义 400年前
食物和铃铛 狗 连接主义
但并没有深刻的理解。
Bain第一个现代人工神经网络-1973
链接机器,所有的信息都存在连结中
Neural Networks are universal function approximators
Can model any Boolean function
Can model any classification buondary
Can model any continuous valued function
2. 感知机 一个神经元节点
3. 多层神经元可以模拟任何连续的函数
4. 一个感知机可以模拟任何简单的二元布尔运算
5. 多层感知机可以模拟任何复杂的布尔函数
6. 一个隐藏层神经网络 is Universal Boolean Function
7.
一个隐含层的感知机可以模拟任意的布尔函数
这一节课主要讲 课堂考试规则啥的