神经网络与深度学习
最新书摘：
-
Smile2021-01-06深度强化学习是将强化学习和深度学习结合在一起，用强化学习来定义问题和优化目标，用深度学习来解决策略和值函数的建模问题，然后使用误差反向传播算法来优化目标函数。
-
Smile2021-01-05概率图模型的最基本的假设是条件独立性。图形化表示直观地描述了随机变量之间的条件独立性，有利于将复杂的概率模型分解为简单模型的组合，并更好地理解概率模型的表示、推断、学习等方法。图模型与神经网络的区别：图模型的节点是随机变量，其图结构的主要功能是描述变量之间的依赖关系，一般是稀疏连接。使用图模型的好处是可以有效地进行统计推断；而神经网络中的节点是神经元，是一个计算节点。
-
张小鱼2021-04-12从机器学习的角度来看，神经网络一般可以看作是一个非线性模型，其基本组成单元为具有非线性激活函数的神经元，通过大量神经元之间的连接，使得神经网络成为一种高度非线性的模型. 神经元之间的连接权重就是需要学习的参数，可以在机器学习的框架下通过梯度下降方法来进行学习。
-
张小鱼2021-04-12人工神经网络（Artificial Neural Network，ANN）是指一系列受生物学和神经科学启发的数学模型. 这些模型主要是通过对人脑的神经元网络进行抽象，构建人工神经元，并按照一定拓扑结构来建立人工神经元之间的连接，来模拟生物神经网络。在人工智能领域，人工神经网络也常常简称为神经网络（Neural Network，NN）或神经模型（Neural Model）。