机器学习

机器学习 (ML)

传统编程使用算法从数据中生成结果

机器学习从数据和结果中创建算法

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
• 一个从错误中学习的软件

神经网络基于人脑的工作原理
神经元相互发送信息。当神经元试图解决一个问题（一遍又一遍）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

感知器定义了进入神经网络的第一步。

它表示一个只有一个输入层且没有隐藏层的单个神经元。

学习如何编程一个感知器.

神经网络

神经网络是多层感知器。

简单来说，神经网络由以下部分组成

• 一个输入层（黄色）
• 一个隐藏层（蓝色）
• 一个输出层（红色）

在神经网络模型中，输入数据（黄色）在生成最终输出（红色）之前，会针对隐藏层（蓝色）进行处理。

第一层:
黄色的感知器根据输入做出简单的决策。每个单一决策都会发送到下一层中的感知器。

第二层:
蓝色的感知器通过权衡第一层的結果做出决策。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

深度神经网络由多个隐藏层的神经网络组成，这些神经网络对大量数据执行复杂的操作。

每一层都以上一层作为输入。

例如，光学阅读使用低层识别边缘，使用高层识别字母。

在深度神经网络模型中，输入数据（黄色）会针对隐藏层（蓝色）进行处理，并在更多隐藏层（绿色）中进行修改，以生成最终输出（红色）。

第一层:
黄色的感知器根据输入做出简单的决策。每个单一决策都会发送到下一层中的感知器。

第二层:
蓝色的感知器通过权衡第一层的結果做出决策。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:
绿色的感知器做出更复杂的决策。

深度学习 (DL)

深度学习是机器学习的一个子集。

深度学习是过去几年 AI 繁荣的原因。

深度学习是一种高级 ML，可以处理图像识别等复杂任务。