神经网络入门
发布时间 : 2024-08-17
点击量 : 37
神经网络入门 brilliant课程,神经网络学习这个交互式课程将深入了解人工神经网络的基础知识，从基本框架到更多的现代技术，如对抗性模型。你将回答一些问题，例如计算机如何区分猫和狗的图片，以及如何学习如何下好棋等。课程包含28个互动测验,210+概念和练习，课程内容由浅入深，非常有启发性实例，交互友好的在线系统，譬如以第一课为栗子:狗和猫都是毛茸茸的动物，都有四条腿，还有很多共同的特征。那么，为什么容易区分它们呢？我们还是小孩时被告知，我们观察到的动物哪些是狗，哪些是猫。很快，我们就不再需要新的例子了。我们的学习能力足够强大，即使是在一个新的动物看起来和我们以前见过的动物并不特别相似的情况下，我们也能把它归类为狗或猫。事实证明，计算机也可以进行类似的学习。A supervised learning algorithm attempts to model a function to relate inputs to outputs. It uses known examples to learn this relationship.When building a supervised learning model to distinguish whether an image is of a dog or a cat, what should the inputs for the examples be?LEARNING PROBLEMS FOR NEURAL NETWORKSThe fur and eye colors of dogs and catsThe lengths and weights of dogs and catsNumerical data representing images of dogs and cats有监督学习算法试图对一个函数进行建模，使输入与输出之间有关系。它使用已知的例子来学习这种关系。当建立一个监督学习模型来区分图像是狗还是猫的时候，例子的输入应该是什么？
-
- 狗和猫的毛色和眼睛的颜色
- 狗和猫的长度和重量
- 代表狗和猫的图像的数字数据
如果你想识别一只动物是狗还是猫，你的输入自然是狗和猫的图像。通常情况下，这些数据用一个数值矩阵来表示，这些数值对应于图像中的每个像素。此外，这些数据将是训练模型的最大用处，因为它可以让计算机通过 “看到 “图像并在它们之间找到模式，从而进行类似于人类的学习。当然，计算机将需要比人类更多的例子，才能成功区分大多数狗和猫的区别。
广告开始
