1.神经网络和深度学习

课程地址：https://mooc.study.163.com/course/2001281002#/info

2.改善深层神经网络：超参数调试、正则化以及优化

3.结构化机器学习项目

4.卷积神经网络

卷积神经网络

• 卷积 以边缘检测为例，说明了不同的滤波器filter可以检测出，不同的形状。
  
  检测出前者的图片中间的垂直结构。
  垂直边缘滤波器加测出图片中的垂直结构。
  水平边缘加测。
  
  

不同的滤波器会学习到不同的检测结构， 反向传播可以学习9个参数，可以检测出更加复杂的结构。

padding：为了卷积到更多的信息，我们会给原来的篇填充一些额外的东西。
1.Valid convolutions ： no padding
2.Same convolutions： 卷积前后图片大小不变 padding

考虑步长 和 padding的 卷积：

立体图形的卷积：

多卷积：

立体卷积 用 多层滤波器 然后将多层的数据加起来。所以导致得到的结构都是1层的数据

一层卷积神经网络的实现：

多个filter会防止过拟合

信道不断增加

• 池化：缩小模型的大小、提高计算速度

5.序列模型

深度学习 吴恩达 Andrew Ng

原文：https://www.cnblogs.com/JCcodeblgos/p/10127726.html