机器学习笔记-7(神经网络的实现)

第九部分终于出来了,迅速看完。总算了解些许神经网络的实现和运作流程。

Neural Network (Classification)

神经网络/分类

按照自己的理解是,神经网络一般用于特征规模比较大或者是特征粒度特别细的情况下,也就是用微粒去寻找内在的模式。比如,前面提到的汽车识别的问题。像素在特征粒度来看是非常细密的,单看像素信息,是没法看出内禀模式的,所以多层结构的神经网络在这种情况下,就变得比较厉害。隐层内的逻辑处理单元对应这神经结构中的神经元,同层中的多个逻辑单元其实就是对上一层的输入进行不同组合的操作(配以不同的参数/权重),这样子通过对像素信息的不同组合,就能抽象出其中的不同模式(例如,图片区域方向/材质之类的信息)。层数越多,寻找到的模式就有可能越抽象,能实现的东西就会越强大。 Continue reading “机器学习笔记-7(神经网络的实现)” >