深度学习提升智能：神网络发展与应用.pptx

第20讲深度学习怎样提高智能？

—神经网络与深度学习哈尔滨工业大学计算学部教学委员会主任国家教学名师战德臣

人工智能与深度学习神经网络和深度学习是人工智能研究的一个重要流派人工智能能够感知、推理、行动和自适应的程序机器学习能够随数据量增加不断改进性能的算法深度学习利用多层神经网络从大量数据中进行学习并提高性能需要理解：1神经网络、2卷积、3深度神经网络

深度学习与神经网络神经网络发展的几个阶段1943195819862012神经元--MP模型抽象模型单层神经网络--感知机基本计算模型，能表示并实现基本逻辑运算如与、或、非等两层神经网络--BP神经网络误差反向传播多层神经网络--CNN卷积神经网络卷积-特征提取，多层（已出现150层甚至更多）

神经网络与生物神经网络生物神经元与生物神经网络一个神经元：多个树突（输入）+1个轴突+多个轴突末梢（输出），轴突末梢与其他神经元的树突产生连接，从而传递信号。连接位置被称为“突触”。

神经元模型基本神经元模型【示例】x1x2w3w1?非线性函数yx3w2输入权值输出神经元模型

神经元模型神经元的训练与学习x1x2w3w1?非线性函数yx3w2输入权值输出神经元模型可依据已有标签的样本训练，获得最优权值已有标签样本的y值偏差枚举枚举w使偏差最小已有标签的样本的x值损失函数lossfunctions或误差函数errorfunction