1.1 人工智能、机器学习与深度学习
对于一个如下的分类的问题,我们使用一个非常简单的线性函数就可以将这两个类别分开:
但如果是对于如下一个分类问题,我们无法使用线性分类器就将这个划分开来,但是我们可以使用两层的线性分类就可以将其分开,具体怎么做呢:
具体做法如下:比如我们都学习过AND逻辑,我们通过写出它的逻辑表以及图形,可以看出AND逻辑它可以被线性分类:
同时我们也学习过OR逻辑,同样写出它的逻辑关系与图形,我们一样可以用一个直线将其进行分类:
假如现在有一个XOR的逻辑,两数相同得0,两数不同得1,我们将它表示在坐标平面上,此时它是无法通过一条直线就将其线性分类的:
在这里我们想要知道的是通过神经网络,我们可以通过两层的线性分类器就将一个非线性的东西分开,具体做法如下:
- 先构建一个NOTAND逻辑和一个OR逻辑
- 对两个逻辑的结果取AND逻辑
最终得到的逻辑如下:
此时我们发现它得到的结果就是XOR逻辑,结果表示我们可以通过很多层的线性分类结果得到一个可以对不好线性分类的问题做非线性分割。这也是我们为什么在深度学习每一层的最后要通过非线性激活函数,因为经过非线性转换后,就可能将一个本来不可线性分类的问题进行分类。
所以引出深度学习的一个技术性定义:学习数据表示的多级方法
下面通过三张图对深度学习概念进行描述:
- 神经网络是由其权重来参数化
- 损失函数用来衡量网络输出结果的质量
- 将损失值作为反馈信号来调节权重
这是本人第一篇博客,欢迎大家一起学习交流,谢谢点赞转发,同时安利一个自己的微信公众号,一起加油: