深度学习的简短介绍

为了训练神经网络，首先我们需要设计一个好的和有效的想法。有三种类型的学习任务。

• 监督学习
• 强化学习
• 无监督学习

在当今时代，无监督学习非常受欢迎。无监督学习是一种深度学习任务，用于推断从未标记数据描述隐藏结构的功能（分类或分类不包括在观察中）。

由于给予学习者的例子没有标记，因此没有评估相关算法输出的结构的准确性 - 这是区分无监督学习与监督学习和强化学习的一种方式。

无监督学习有三种类型。

• 受限制的玻尔兹曼机器
• 稀疏编码模型
• 自动编码器我将详细描述自动编码器。

自动编码器的目的是学习一组数据的表示（编码），通常用于降低维数。

最简单的自动编码器形式是前馈，具有输入层，输出层和连接它们的一个或多个隐藏层。但是输出层具有与输入层相同数量的节点，并且目的是重建其自己的输入，这就是为什么它被称为无监督学习。

现在我将尝试举一个训练神经网络的例子。

这里 Xi 是输入，W 是权重，f(e) 是激活函数，y 是输出。

现在我们看到基于自动编码器的训练神经网络的逐步流程。

我们用这个等式计算每个激活函数的值：y = WiXi。首先，我们随机选择权重数字，然后尝试调整权重。

现在，我们计算与期望输出的偏差，即 y = zy 并计算每个激活函数的偏差。

然后我们调整每个连接的新权重。