深度学习神经网络参数学习实践

神经网络以数据学习为特征，即通过数据自动确定权重参数的数值。相较于感知机需要人工设定的3个参数，神经网络的参数数量可达千万乃至亿级，人为决定这些参数几乎是不可能的。本章重点介绍神经网络的学习过程，即利用数据确定参数数值的方法。数据驱动是机器学习的核心理念，旨在尽量减少人为干预，而是通过分析收集到的数据来发现问题的答案。例如，在设计一个识别数字5的程序时，人类可以轻松完成这一任务，但却难以明确说明是基于何种规律进行识别的。通过数据解决这一问题的方法是，首先从图像中提取特征量，然后使用机器学习技术学习这些特征量的模式。特征量是指能够准确提取输入数据本质信息的转换器。通过将图像数据转换为向量，并运用机器学习中的SVM、KNN等分类器进行学习，可以实现对特定特征的辨识。值得注意的是，为不同问题设计专门的特征量是必要的，这是获取良好结果的关键。