深度 vs 浅度
深度学习的"深"指网络层数多。深度网络能自动学习层次化特征：低层学边缘，中层学形状，高层学语义。
11.1 深度学习基础
神经网络的入门之道
🎯 学习目标
- 理解神经网络的基本概念
- 掌握感知机的工作原理
- 了解激活函数的作用
- 理解深度学习的优势
图：深度学习是AI的核心技术
🧠 什么是深度学习
深度学习是机器学习的一个分支，使用多层神经网络自动学习数据的层次化表示。
📊
输入层
接收原始数据
🔮
隐藏层
学习特征表示
🎯
输出层
输出预测结果
⚡ 感知机
神经网络的基本单元
output = f(Σ(wᵢxᵢ) + b)
组成部分
- x: 输入信号
- w: 权重
- b: 偏置
- f: 激活函数
工作过程
- 加权求和输入
- 加上偏置
- 通过激活函数
- 输出结果
📈 常见激活函数
| 激活函数 | 公式 | 特点 |
|---|---|---|
| ReLU | max(0, x) | 最常用，计算快，缓解梯度消失 |
| Sigmoid | 1/(1+e⁻ˣ) | 输出(0,1)，二分类输出层 |
| Tanh | (eˣ-e⁻ˣ)/(eˣ+e⁻ˣ) | 输出(-1,1)，零中心化 |
| Softmax | eˣᵢ/Σeˣⱼ | 多分类输出，输出概率分布 |
💡
📝 本节小结
✅
- • 深度学习使用多层神经网络
- • 感知机是神经网络的基本单元
- • 激活函数引入非线性
- • ReLU是隐藏层最常用的激活函数