深度学习是最热门的AI技术之一。基本原理是构建一个多层神经网络。在使用标记数据进行训练之后,网络适合于适合问题解决方案的功能。
深度学习的三个步骤:
首先,您必须定义此问题并阐明问题的输入和输出。
然后,设计一个适合问题的神经网络。
此外,在训练数据之后,获得输入和输出之间的映射关系。
例如,小明今天出去的问题取决于三个因素。在下雨吗?、情绪好吗?
输入:
是否下雨
好吗?
有人有预约吗?
输出:
是否出门
我们的目标是找到这种输入到输出的映射。
对于这样一个简单的问题,我们使用一个简单的神经网络,一个神经元。
神经元的结构是
输入层:对应三个输入,每个输入包含三个权重(权重表示此输入对问题的重要性)
输出层:只有一个输出。
然后,我们要让这个神经元看到很多小明的数据,让他判断小明是否出去告诉他是对还是错。在我们不断告诉他他是对是错之后,他就像一位老师一样指导他,直到他越来越准确地回答问题。
然后我们将找到一个可以解决这个问题的神经网络。
整个过程称为深度学习。它之所以被称为深度学习,是因为复杂的问题会使用很多神经元,即一个非常深的神经网络。