Fork me on GitHub

吴恩达深度学习1-神经网络概览

吴恩达深度学习1-神经网络用于监督学习

本文是吴恩达老师深度学习视频的笔记1:什么是神经网络?

单个变量预测房价

从预测房价的例子出发,根据房屋面积预测房屋价格

从简单的线性回归出发:有下面的拟合结果。最小值不能为负数。

蓝色曲线记为拟合结果

加上一个简单的神经网络:从size到price输出中间有一个神经元。

多个变量预测房价

如果是多个特征变量预测房价:面积、卧室数量、位置编码等:

吴恩达深度学习2-用神经网络进行监督学习

神经网络的不同应用场景:房价预测、广告和用户点击、图像、音频、英语翻译(文本)、无人驾驶(视觉)和雷达信息等

不同场景使用不同技术

  • 房价预测:标准的神经网络
  • 图像领域:卷积神经网络CNN
  • 音频数据:一维度列,循环神经网络RNN或者RNNs

3种方式

  • 标准模式:从输入层,到隐藏层,最终到输出层
  • 卷积神经网络CNN
  • 循环神经网络RNN

结构化和非结构化

本文标题:吴恩达深度学习1-神经网络概览

发布时间:2022年10月23日 - 20:10

原始链接:http://www.renpeter.cn/2022/10/23/%E5%90%B4%E6%81%A9%E8%BE%BE%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A01-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%A6%82%E8%A7%88.html

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

Coffee or Tea