熱線電話:13121318867

登錄
首頁精彩閱讀深度學習如何改進(一)
深度學習如何改進(一)
2019-02-20
收藏


在人工智能中,深度學習機器學習都是十分重要的內容。熟知這兩種知識是學習人工智能的前提條件。人工智能在不斷地發展,深度學習也在某種程度上取得了很大的進步。在這篇文章中我們會詳細給大家介紹一下深度學習模型改變的方向,以及改進以后有什么突出的特點。希望能夠幫助到大家。


其實深度學習涉及到了神經網絡的工程原理和實踐,而深度學習也有很多基本元素,神經網絡的知識涉及到了很多分支,比如前饋神經網絡、卷積神經網絡、循環神經網絡、深度殘差網絡、強化學習、對抗學習等等。


首先我們說一下前饋神經網絡。其實前饋神經網絡深度學習中最簡單的神經網絡,一般分為:反向傳播神經網絡和徑向基函數神經網絡。那么這個最樸素的神經網絡進入工程訓練,需要經過什么環節呢?其實這個最樸素的神經網絡會經過三個環節,第一環節就是準備樣本(這些樣本可以是文本、圖片、音頻以及音視頻結合等訓練樣本)。第二個環節就是清洗處理(這一環節的目的是幫助網絡更高效、準確分類)。第三個環節就是正式訓練(這個環節的主要目的就是將訓練樣本代入訓練模型中)。


在上面三個環節中,正式訓練的時候,訓練過程不斷迭代得到最適合的模型,為了得出這個適合的模型,深度學習中有梯度下降法來獲得相關參數。再進一步,由于梯度下降法訓練時候要動用比較重的樣本訓練,后來又出現了隨機梯度下降法,也就是隨機抽樣而不是全部樣本進行處理,來獲得相對較好的相關參數。


當然,需要提醒大家的是,從梯度下降法到隨機梯度下降,這樣的思維轉化,在深度學習領域是非常常見的。深度學習面向萬級以上的海量樣本,如何使訓練由相對重的模式變成比較輕的模式,從總體到隨機抽樣,是一種解決方案核心就是在無限成本取得最優到有限成本取得次優之間權衡。


在這篇文章中我們給大家介紹了最樸素的神經網絡的知識,也就是前饋神經網絡的知識。通過對這些知識的了解,我們知道深度學習知識確實很有深度。所以,在后面的文章中我們會繼續為大家介紹出更多有關神經網絡的知識,來幫助大家加深對深度學習的了解。

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢