WEBVTT

00:00.240 --> 00:04.500
你好, 欢迎来到人工神经网络的直觉教程｡ 

00:04.500 --> 00:05.820
课程的一部分｡ 

00:05.820 --> 00:11.670
非常高兴能开始这些工作, 今天我们将了解如何处理这一部分｡

00:11.670 --> 00:14.580
因此, 在本节中, 我们将学习以下内容｡ 

00:14.580 --> 00:16.350
首先, 我们来谈谈神经元｡ 

00:16.350 --> 00:25.620
所以会有一点神经科学的内容我们会发现一些关于人类大脑是如何工作的以及为什么我们要试图复制它｡

00:25.620 --> 00:31.740
我们也会看到神经网络的主要组成部分, 神经元是什么样子的｡ 

00:31.890 --> 00:37.650
在下一个教程中, 我们将讨论激活函数, 我们将看几个激活函数的例子,

00:37.650 --> 00:40.980
你可以在你的神经网络中使用｡

00:40.980 --> 00:49.110
我们会发现哪些是神经网络中最常用的, 哪些是你更喜欢用的层,

00:49.110 --> 00:53.460
哪些是功能｡

00:53.580 --> 00:56.370
然后我们将讨论神经网络是如何工作的｡ 

00:56.370 --> 01:04.050
因此, 与你所期望的, 以及其他课程和教程中可能传达的内容相比,

01:04.050 --> 01:07.230
我们不打算深入学习｡

01:07.230 --> 01:13.740
我们实际上会先进入神经网络的工作过程, 因为这样,

01:13.740 --> 01:20.640
通过观察神经网络的工作, 我们就能了解我们的目标是什么, 我们的目标是什么

01:20.640 --> 01:23.490
这里我们来看一个神经网络的例子｡ 

01:23.490 --> 01:29.400
我们来看看一个非常简单的, 非常简单的假设例子,

01:29.400 --> 01:32.520
一个神经网络用来预测房价.

01:32.520 --> 01:34.260
所以基本上真实的房地产价格｡ 

01:34.740 --> 01:41.430
通过看这个例子, 我们会更好地理解我们的目标和最终目标｡

01:41.910 --> 01:50.520
然后我们将继续了解神经网络是如何学习的, 因为这样我们就能为即将到来的事情做好更多的准备｡

01:51.060 --> 01:52.920
然后我们再讨论梯度下降｡ 

01:52.920 --> 02:00.690
这也是神经网络学习的一部分,

02:00.690 --> 02:10.050
我们将了解该算法如何优于暴力方法, 你可能打算或愿意采取的第一个手段或第一个想到的方法｡

02:10.050 --> 02:17.070
我们会发现梯度下降法的优点, 然后我们会讨论随机梯度下降法.

02:17.070 --> 02:23.790
它是梯度下降教程的延续, 但它是一种更好更强大的方法.

02:23.790 --> 02:25.980
我们会发现它到底是怎么运作的｡ 

02:25.980 --> 02:33.000
最后, 我们将总结一下关于反向传播的重要内容,

02:33.000 --> 02:39.510
并总结出一套运行人工神经网络的分步说明｡

02:40.260 --> 02:46.740
我希望这一切听起来非常令人兴奋, 因为我是一个非常兴奋的自己, 我迫不及待地开始｡

02:46.740 --> 02:51.540
我期待着在第一个教程中见到你, 在那之前, 享受深度学习｡