2023學(xué)年完整公開課版深度學(xué)習(xí)

物流人工智能技術(shù)技能培訓(xùn)項(xiàng)目四神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)任務(wù)三深度學(xué)習(xí)目錄CONTENTS深度學(xué)習(xí)的概述PART1深度學(xué)習(xí)-含多個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)模型PART2深度學(xué)習(xí)-激活函數(shù)PART3深度學(xué)習(xí)的特點(diǎn)PART4過程與方法：知識(shí)與技能：1.了解神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系；2.了解含多個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)模型；3.掌握深度學(xué)習(xí)的特點(diǎn)。在學(xué)習(xí)動(dòng)畫視頻的過程中，理解其基本工作原理，了解其實(shí)際應(yīng)用價(jià)值。情感、態(tài)度與價(jià)值觀：1.提升對(duì)人工智能的認(rèn)識(shí)，發(fā)展辯證思維，客觀認(rèn)識(shí)人工智能技術(shù)對(duì)社會(huì)的影響，培養(yǎng)正確的科學(xué)技術(shù)應(yīng)用觀。2.堅(jiān)定擁護(hù)中國(guó)共產(chǎn)黨領(lǐng)導(dǎo)和我國(guó)社會(huì)主義制度。【教學(xué)目標(biāo)】單層感知機(jī)線性分類兩層感知機(jī)非線性分類一、深度學(xué)習(xí)的概述深度學(xué)習(xí)實(shí)質(zhì)上也是一種多層神經(jīng)網(wǎng)絡(luò)，可以把網(wǎng)絡(luò)所包含的層數(shù)看作是網(wǎng)絡(luò)的深度，那么深度學(xué)習(xí)就是增加了很多層的人工神經(jīng)網(wǎng)絡(luò)。它采用了一種新型的學(xué)習(xí)方法可以對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行高效的優(yōu)化學(xué)習(xí)，因此使用了“深度學(xué)習(xí)”這個(gè)新名詞來描述。神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系一、深度學(xué)習(xí)的概述二、深度學(xué)習(xí)-含多個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)模型計(jì)算順序正向傳播在增加的隱藏層中，每一個(gè)隱藏層中的節(jié)點(diǎn)個(gè)數(shù)也是可以改變的。1個(gè)隱藏層包含12個(gè)節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)；3個(gè)隱藏層，每個(gè)隱藏層4個(gè)節(jié)點(diǎn)；4個(gè)隱藏層，每個(gè)隱藏層3個(gè)節(jié)點(diǎn)；2個(gè)隱藏層，第一層4個(gè)節(jié)點(diǎn)，第二層8個(gè)節(jié)點(diǎn)。同樣的節(jié)點(diǎn)個(gè)數(shù)，不同的網(wǎng)絡(luò)層次數(shù)量和每層所包含的節(jié)點(diǎn)數(shù)都會(huì)影響整個(gè)網(wǎng)絡(luò)的性能。增加網(wǎng)絡(luò)層次數(shù)量更強(qiáng)的更復(fù)雜的函數(shù)擬合更好的分類能力二、深度學(xué)習(xí)-含多個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)模型

網(wǎng)絡(luò)深度會(huì)影響測(cè)試集的準(zhǔn)確率，隨著網(wǎng)絡(luò)深度的增加，測(cè)試集上的準(zhǔn)確率會(huì)不斷增加。

對(duì)于某些網(wǎng)絡(luò)，如果只增加網(wǎng)絡(luò)層中節(jié)點(diǎn)數(shù)量，不增加網(wǎng)絡(luò)的深度即網(wǎng)絡(luò)層數(shù)，在提升測(cè)試集的性能方面幾乎沒有效果。輸入層輸出層多個(gè)隱藏層二、深度學(xué)習(xí)-含多個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)模型感知器Sign函數(shù)淺層神經(jīng)網(wǎng)絡(luò)Sigmoid函數(shù)深度學(xué)習(xí)ReLU函數(shù)三、深度學(xué)習(xí)-激活函數(shù)ReLU=max(x,0)

計(jì)算速度快減輕梯度減小三、深度學(xué)習(xí)-激活函數(shù)在早期人工神經(jīng)網(wǎng)絡(luò)中，樣本的特征完全依賴人工提取和設(shè)計(jì)，人們往往要投入很大的精力，不斷地嘗試和探索，并且要依賴豐富的人工經(jīng)驗(yàn)，才能設(shè)計(jì)一個(gè)好的特征。這就局限了人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用。深度學(xué)習(xí)打破了這個(gè)框架，它通過構(gòu)建具有多個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò)，把海量的原始數(shù)據(jù)，或者是經(jīng)過簡(jiǎn)單加工后的原始數(shù)據(jù)作為系統(tǒng)的輸入，就可以得到很好效果的識(shí)別模型。這種泛化通用能力使得其應(yīng)用范圍覆蓋各種領(lǐng)域。我們可以把圖像、聲音、文本等等各種可以數(shù)字化的數(shù)據(jù)丟給深度學(xué)習(xí)進(jìn)行學(xué)習(xí)，而且，給它的數(shù)據(jù)越多，它學(xué)習(xí)的效果就越好。四、深度學(xué)習(xí)的特點(diǎn)【課后小結(jié)】深度學(xué)習(xí)深度學(xué)習(xí)的概述深度學(xué)習(xí)實(shí)質(zhì)上也是一種多層神經(jīng)網(wǎng)絡(luò)，可以把網(wǎng)絡(luò)所包含的層數(shù)看作是網(wǎng)絡(luò)的深度，那么深度學(xué)習(xí)就是增加了很多層的人工神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)-含多個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)模型深度學(xué)習(xí)-激活函數(shù)深度學(xué)習(xí)的特點(diǎn)深度學(xué)習(xí)通過構(gòu)建具有多個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò)，把海量的原始數(shù)據(jù)，或者是經(jīng)過簡(jiǎn)單加工后的原始數(shù)據(jù)作為系統(tǒng)的輸入，就可以得到很好效果的識(shí)別模型。（判斷）深