深度学习名词解释

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习名词解释相关的知识,希望对你有一定的参考价值。

前馈神经网络:最简单的神经网络,每个神经元接收前一层的全连接输入然后输出到下一层,整个过程无反馈。

BP神经网络:误差反向传播算法(Error Back Propagation Training),简称BP,系统解决了多层神经网络隐含层连接权学习问题,按照误差向前传播的训练方法训练的多层前馈神经网络。

梯度下降算法:用于寻找最小值,梯度的相反方向是函数值下降速度的最快方向,我们相信沿着函数变化最快的方向能更快地找到最小值。

深度学习:深度学习(Deep Learning)是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。深度学习是无监督学习的一种。

单层感知机:(PLA)单层感知器的思路是模拟大脑中单个神经元的工作方式:激活与否。感知器接收多个输入信号,如果输入信号的和超过某个阈值则输出一个信号,否则就什么也不输出。

多层感知机:(MPL)多层神经网络,其中包含隐藏层。

以上是关于深度学习名词解释的主要内容,如果未能解决你的问题,请参考以下文章

可解释深度学习:从感受野到深度学习的三大基本任务:图像分类,语义分割,目标检测,让你真正理解深度学习

深度学习名词解释

牛津大学博士论文解释深度神经网络,134页pdf阐述打开深度学习黑盒性

干货书可解释人工智能(xAI)方法和深度元学习模型

如何使用 SHAP 解释多类深度学习分类器?

深度学习可解释性问题如何解决?图灵奖得主Bengio有一个解