深度学习 Note.1

绪论

1.思维导图

这是自己根据《神经网络与深度学习》第一章绪论 绘画的思维导图

2.一些概念

神经网络：一种以（人工）神经元为基本单元的模型。

深度学习：一类机器学习问题， 主要解决贡献度分配问题。

二者关系：

图灵测试：“一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答。如果在相当长的时间内，他无法根据这些问题判断对方是人还是计算机，那么就可以认为这个计算机是智能的。”

人工智能：让机器具有人类的智能 

机器学习：从有限的观测数据中学习（或猜测）出具有一般性的规律，并用这些规律对对未知数据进行预测的方法。

机器学习≈构建一个映射函数（规则）

机器学习的一般流程

数据表示是机器学习的核心

表示学习：如何自动从数据中提取好的表示

好的表示必有一定的深度

深度学习的数学表示***

---

---

4. 深度 vs 浅层学习的核心区别

特性	浅层学习	深度学习
层数	少（2~5层）	多（数十至数百层）
表示能力	有限，适合简单任务	强大，适合复杂任务
函数复合	显式写出层数（如 f2(f1(x))f2(f1(x))）	简写为 f(x)，实际为深层复合

神经网络图解

描述了一个标准的三层全连接神经网络，

1. 输入层接收多维特征；

2. 两个隐藏层通过权重矩阵、偏置和非线性激活函数逐层提取特征；

3. 输出层生成最终预测结果。
   公式和层次标注共同体现了神经网络“复合函数+参数优化”的核心思想。

3.总体知识结构图