前馈神经网络-CSRC.PDF

前馈神经网络 赵永红 四川师范大学物理系 CSRC-2017 人工 机器 深度 智能 学习 学习 机器如何学习？ 人类如何学习？ CSRC-2017 如何描述复杂函数？ 经典 深度学习 机器学习 网络层数 学习复杂函数 X 神经元个数 复杂化学环境 TB Plane wave CSRC-2017 前馈网络：基石 应用 图像识别 自然语言处理 神经网络 卷积网络 循环网络 CSRC-2017 感知机： Perceptron 硬件实现： 软件实现： 美国海军， Frank Rosenblatt IBM 704 CSRC-2017 基本概念：神经网络 关键 Input training output data 神经网络：形象 指称互联的计算 单元，与生物学 的神经网络并无 关联。 CSRC-2017 非线性：深度学习之前  采用“核变换”的思想，  如果是普适性的 ，针对特定问题效果差；  定制化的 ，设计困难；  通过“学习”得到有针对性的解决方案； CSRC-2017 如何学习？ 优化，确定 θ 单个 θ 多个 θ 通过多个 θ ，提取多层次信息，更符合人的决策习惯。 CSRC-2017