高教社课件计算机科学导论计算思维程序实践精装版第20讲-深度学习是怎样提高智能的--神经网络与深度学习.pptxVIP

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

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】

神经元模型

神经元的训练与学习

x1

x2

w3

w1



非线性函数

y

x3

w2

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