课堂笔记 - 深度学习 Deep Learning (1)

前导介绍
说到深度学习，
首先需要了解什么是类神经网路和它的操作方法。
类神经网路，顾名思义就是仿造人类的神经而去打造而成的演算法，
让其能够透过像是神经传导一样接收和传递资料。

如下图所示
左边为人类神经的传递方法，右边则是类神经网路的对照

由图可知，这个原理即是先接收资料并透过函式将其转换为输出值，
并以输出值来判断资料。

然而这个只是人工智慧的其中一部份，也不完全等于机器学习，而是他们的一部分。

Artificial Intelligence：The ability of a machine to imitate intelligent human behavior.
Machine Learning：Algorithms whose performance improve as they are exposed to more data over time.

人工智慧只是泛指机器模仿人类的行为的能力，而机器学习则是透过演算法将其实现的一种方式。

既然已经理解了类神经网路，就可以再进一步地提到深度神经网路了。

左边是非常单纯的神经网路，输入的data仅经过一层隐藏层就可以获得output了，
然而当资料的複杂度变高，中间的隐藏层也会变多，经过多次的演算后才能够获得相对準确的output。

而这个将演算的结果再次进行运算的过程我们称之为深度学习。

由于硬体须可以承受高效能的运算，也需要能够套用的演算法和大量的资料，因此深度学习在近期才开始大为流行。

以下为三种深度神经网路的图解 >>

Convolutional Neural Networks (CNNs)

Recurrent Neural Networks (RNNs)

Generative Adversarial Networks (GANs)

下一篇 Machine Learning 的简介