机器学习

机器学习（ML）

传统编程使用已知的算法从数据中产生结果：

机器学习创建新算法从数据和结果来看：

神经网络 (NN)

神经网络是：

• 一种编程技术
• 机器学习中使用的一种方法
• 一个可以从错误中学习的软件

神经网络基于人脑的工作方式：
神经元互相发送信息。当神经元试图（一遍又一遍）解决问题时，它会加强导致成功的连接并减少导致失败的连接。

感知器

这个感知器定义了神经网络的第一步。

它表示只有一个输入层且没有隐藏层的单个神经元。

了解如何对感知器进行编程.

神经网络

神经网络是多层感知器。

最简单的神经网络由以下部分组成：

• 输入层（黄色）
• 隐藏层（蓝色）
• 输出层（红色）

在里面神经网络模型，输入数据（黄色）在产生最终输出（红色）之前针对隐藏层（蓝色）进行处理。

第一层：
黄色感知器根据输入做出简单的决策。每个决策都会发送到下一层的感知器。

第二层：
蓝色感知器通过权衡第一层的结果来做出决策。该层比第一层在更抽象的层面上做出更复杂的决策。

深度神经网络

深度神经网络是：

• 一种编程技术
• 机器学习中使用的一种方法
• 一个可以从错误中学习的软件

深度神经网络由神经网络的几个隐藏层组成，这些神经网络对大量数据执行复杂的操作。

每个连续层都使用前一层作为输入。

例如，光学读取使用低层来识别边缘，使用高层来识别字母。

在里面深度神经网络模型，输入数据（黄色）针对隐藏层（蓝色）进行处理，并针对更多隐藏层（绿色）进行修改以产生最终输出（红色）。

第一层：
黄色感知器根据输入做出简单的决策。每个决策都会发送到下一层的感知器。

第二层：
蓝色感知器通过权衡第一层的结果来做出决策。该层比第一层在更抽象的层面上做出更复杂的决策。

第三层：
绿色感知器可以做出更复杂的决策。

深度学习（DL）

深度学习是机器学习的一个子集。

深度学习推动了过去几年人工智能的繁荣。

深度学习是一种高级类型的机器学习，可以处理图片识别等复杂任务。