深度学习 Deep Learning) 孙钰副教授 suny@bjfu.edu.cn 沙智能感知实验室 Smart Sensing Lab 北京林业大学信息学院 2021/2/9
北京林业大学信息学院 2021/2/9 深度学习(Deep Learning) 孙钰 副教授 sunyv@bjfu.edu.cn
1:神经网络简介 1.1深度学习与神经网络 12人工神经网络与生物神经网络 1.3神经元与感知机 14单感知机与多层感知机
1：神经网络简介 1.1 深度学习与神经网络 1.2 人工神经网络与生物神经网络 1.3 神经元与感知机 1.4 单感知机与多层感知机
1.1深度学习与人工神经网络 ①深度学习是种学习方式,指采用深度模型进行学习 ②人工神经网络是—种模型,只要层数够多深度够深,就能称为深度模型 X1 X3 X n 深度学习的基础是——人工神经网络
①深度学习是一种学习方式，指采用深度模型进行学习； ②人工神经网络是一种模型，只要层数够多深度够深，就能称为深度模型。 深度学习的基础是——人工神经网络 1.1 深度学习与人工神经网络
1.2人工神经网络与生物神经网络 人工神经网络是受到生物神经网络的启发而产生的: ①神经元的一端受到刺激会将信号传递到另一端 ②神经网络上的一个神经元将刺激信号传给下一个神经元 细胞核 神经冲动 ③复杂的神经系统是由简单的神经元相连组成
人工神经网络是受到生物神经网络的启发而产生的： 1.2 人工神经网络与生物神经网络 ①神经元的一端受到刺激会将信号传递到另一端 ②神经网络上的一个神经元将刺激信号传给下一个神经元 ③复杂的神经系统是由简单的神经元相连组成
1.3神经元与感知机 生物神经网络的最小单元—神经元 人工神经网络的最小单元—感知机 输入:一个向量 输出:一个标量 运算 线性变换(加权求和) 非线性变换(非线性函数) 输出=线性变换+非线性变换 z=P1W1+p2W2+…+p,W+b 8=
• 输入：一个向量 • 输出：一个标量 • 运算： – 线性变换（加权求和） – 非线性变换（非线性函数） – 输出 = 线性变换 + 非线性变换 生物神经网络的最小单元——神经元 人工神经网络的最小单元——感知机 1.3 神经元与感知机 z = p1w1 + p2 w2 + ... + pr wr +b a1 = g(z)