Python深度学习从原理到应用

第2章　神经网络

在第 1 章中，我们讲述了几种机器学习算法，并且介绍了分析数据、做出预测的不同技术，例如，我们就机器如何利用房屋售价的数据来预测新房的价格，给出了一些建议。我们还讲述了诸如Netflix这样的大公司，为了基于用户以往的观影喜好来为其推荐新的影片，是如何利用机器学习技术的。同样的技术也被亚马逊或沃尔玛这样的巨头们广泛应用于商业领域。不过，为了对新数据进行预测，这些技术中的绝大多数要求使用标记数据，并且为了改进其性能，人类需要以有意义的特征来对数据做出描述。

人类能够快速地推断模式、推理规则，而无须清理和准备数据。如果机器能够做到这一点，那便是最理想的状态。正如前面所讨论过的，早在60多年前的1957年，Frank Rosenblatt便发明了感知机。感知机之于现代深度神经网络，就如同单细胞生物之于复杂的多细胞生命形式，不过，重要的一点是，理解并熟悉人工神经元是如何工作的，这有助于读者更好地理解和领会如何将许多神经元组合到许多不同层上以创建深度神经网络的复杂性问题。神经网络是模仿人类大脑通过简单观察来获知新规则的功能和能力的一种尝试。虽然在了解“人类大脑是如何组织并处理信息的”这个问题上还有很长的路需要走，但是，我们已经非常了解单个人类神经元是如何工作的了。人工神经网络试图模仿同样的功能，将化学信息和电子信息换算成数值和函数。近十年来，人类在这方面的研究取得了很大进展。在此之前，神经网络研究曾一度流行，然后被搁置，如此反复至少两次，直到近期该研究的再次兴起，可部分归功于有了计算速度越来越快的计算机、使用了图形处理单元（GPU）更好的算法和神经网络设计，以及越来越大的数据集。

本章正式介绍什么是神经网络，详细讲述神经元是如何工作的，并带领读者了解如何堆叠多层来创建并使用深度前馈神经网络。 ...