Deep Learning ——Yann LeCun，Yoshua Bengio&Geoffrey Hinton

引言：

　　深度学习的本质是用多层的神经网络找到一个可以被学习的复杂的函数实现语音识别，图像识别等功能。

　　多层神经网络的结构：

　　　　多层神经元的组成，每一层的输入都等于上一层的输出。

　　应用领域：cv，nlp

监督学习：

　　需要计算一个目标函数来测量出实际输出与预计输出之间的误差（距离），机器通过修改其参数来减小误差（距离）（反向传播的过程），这些参数称为权重，可以看作定义输出与输出之间关系的旋钮。一般利用梯度下降算法来实现反向传播。梯度下降：可以形象的比作为一个人从山顶下到山谷的过程，不断的往梯度最大反方向（最陡峭的方向）走一步，最后到达山谷。在这个过程中有可能到达局部最小值，有相应的算法解决该问题。

1

标签：输出,梯度,算法,多层,学习,Geoffrey,神经网络,Deep,Learning
来源： https://www.cnblogs.com/Manuel/p/10972030.html