深度學習的簡短介紹

為了訓練神經網路，首先我們需要設計一個好的和有效的想法。有三種型別的學習任務。

• 監督學習
• 強化學習
• 無監督學習

在當今時代，無監督學習非常受歡迎。無監督學習是一種深度學習任務，用於推斷從未標記資料描述隱藏結構的功能（分類或分類不包括在觀察中）。

由於給予學習者的例子沒有標記，因此沒有評估相關演算法輸出的結構的準確性 - 這是區分無監督學習與監督學習和強化學習的一種方式。

無監督學習有三種型別。

• 受限制的玻爾茲曼機器
• 稀疏編碼模型
• 自動編碼器我將詳細描述自動編碼器。

自動編碼器的目的是學習一組資料的表示（編碼），通常用於降低維數。

最簡單的自動編碼器形式是前饋，具有輸入層，輸出層和連線它們的一個或多個隱藏層。但是輸出層具有與輸入層相同數量的節點，並且目的是重建其自己的輸入，這就是為什麼它被稱為無監督學習。

現在我將嘗試舉一個訓練神經網路的例子。

這裡 Xi 是輸入，W 是權重，f(e) 是啟用函式，y 是輸出。

現在我們看到基於自動編碼器的訓練神經網路的逐步流程。

我們用這個等式計算每個啟用函式的值：y = WiXi。首先，我們隨機選擇權重數字，然後嘗試調整權重。

現在，我們計算與期望輸出的偏差，即 y = zy 並計算每個啟用函式的偏差。

然後我們調整每個連線的新權重。