机器学习

机器学习 (ML)

传统编程 使用已知算法 从数据中产生结果：

机器学习 创建新算法 根据数据和结果：

神经网络（NN）

神经网络 是：

• 一种编程技术
• 机器学习中使用的方法
• 从错误中学习的软件

神经网络 基于人类大脑的工作方式：
神经元相互传递信息。当神经元试图（一遍又一遍地）解决问题时，它会加强导致成功的连接，并削弱导致失败的连接。

感知器

这 感知器 定义进入神经网络的第一步。

它表示只有一个输入层且没有隐藏层的单个神经元。

学习如何编写感知器程序.

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）经过隐藏层（蓝色）处理后产生最终输出（红色）。

第一层:
黄色感知器根据输入做出简单的决策。每个决策都会发送给下一层中的感知器。

第二层:
蓝色感知器通过权衡第一层的结果来做出决策。这一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
• 机器学习中使用的方法
• 从错误中学习的软件

深度神经网络 由多层隐藏的神经网络层组成，可以对海量数据执行复杂的运算。

每个连续层都使用前一层作为输入。

例如，光学阅读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）根据隐藏层（蓝色）进行处理，并根据更多隐藏层（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。每个决策都会发送给下一层中的感知器。

第二层:
蓝色感知器通过权衡第一层的结果来做出决策。这一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为复杂的决策。

深度学习（DL）

深度学习 是机器学习的一个子集。

深度学习是近年来人工智能蓬勃发展的推动力。

深度学习是机器学习的一种高级类型，可以处理图像识别等复杂任务。