人脑的运行类似于其
用滤波器提取出特征
分类问题
看fgh哪个函数能做好问题
一。确定函数集合
二，评价问题
三，挑函数
前面靠人，
eg：拟合函数
人，确定好损失函数后，学得最优函数，
训练过程和测试过程，训练测试集独立同分布
神经网络基本运算规则 怎么用浅层神经元计算下一层神经元，**函数一般选非线性的
今天重点讲前馈式神经网络
前馈神经网络的样子
80年代隐藏层很少，现在多叫深度神经网络
看分成哪个类的几率更大一些，softmax就是把实数输出改成概率（logistic）
实例：手写识别，找到概率最大的那个
简单任务用经典模型就好
希望 1时y1最大，8时y8最大
当训练集有很多向量，让输出与标注尽量接近，损失尽可能小
eg：语音识别
不可能枚举，寻找一种优化模型参数计算
随机梯度下降，：参照计算方法，学习率要设置好，可能不收敛
反向传播
实践环节：手势识别
注：如果不乱序，可能顺序影响了，泛化会差
为了简单介绍，用的DNN，感觉用cnn或xlnet会好些？
相关文章：