深层神经网络：基于浅层神经网络的叠加形成的更加复杂的模型，能够以更高的准确度来处理更加复杂的情况。本质上也是构造输入和期望输出之间的函数。其中的多隐藏层对应于不同的特征，能够构建更加复杂的函数，即特征的选择性组合对应的对象。而足够深层的网络可以构建出非常多的特征，这种高维空间的构造理论上可以与现实构建很好的对应关系。
参数的调整和训练是建模工作的重点，也是最耗计算资源的步骤，为了找到使得算法性能最好的参数组，需要经过大量的实验尝试，有一定的碰运气充分成分。超参数：学习率，隐藏层数，每层神经元数等等。
隐藏层也可以封装成为一定的模块block，即特定的特征，这些经过训练收敛的参数可以迁移到不同领域的学习。
深度学习和大脑的工作机制可能共享同一套体系，本质上都是计算，能够在特定的输入和输出之间构建中间的函数，是一种对黑箱的解构和重新实现。
:
g_罩杯女星偶像首拍a_v勇夺冠军在线观看!请关注微信公众号!: meinvlu123(长按三秒复制) !!
喜欢学医路漫漫请大家收藏：(m.77tshu.cc),亲亲听书网更新速度最快。