网络机器人吧社区

教程 | Hinton 机器学习视频中文版:感知器的局限性(2.5)

AI研习社 2018-12-05 16:09:08

本套课程中,Hinton 重点介绍了人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。与吴恩达的《Machine Learning》不同,这门课程更加深入地介绍了 Machine Learning 中神经网络具体操作方法。(更多课程查看下方往期回顾)



2.5 感知器的局限性


由于感知器非常依赖输入数据,特征选得好,威力无穷,特征不好,那就差强人意了,这直接导致感知器发展受限,跌入低谷。下面详细解释下感知器的局限性。


本栏目将在AI研习社(公众号:okweiwu)每日微信末条更新,敬请关注!


往期课程

教程| 1.1为什么要学习机器学习?

教程 | 1.2 神经网络机制中的脑科学原理

教程 | 1.3 简单的神经元模型

教程 | 1.4:ANN 的 MNIST 学习范例

教程 | 1.5:机器学习算法的三大类

教程 | Hinton 机器学习视频中文版:神经网络架构介绍(2.1)

教程 | Hinton 机器学习视频中文版:神经网络架构介绍(2.2)

教程 | Hinton 机器学习视频中文版:感知器的几何空间解析(2.3)

教程 | Hinton 机器学习视频中文版:感知器的原理透析(2.4)

--------------------------------------------------

为了让广大 AI 青年们不再为英语所累,快速进入学习状态,雷锋网旗下 “AI 研习社” 推出了深度学习大牛 Geoffrey Hinton 的《Neutral Network for Machine Learning》中文系列视频课程。PS: 出于对 Hinton 知识成果的尊重以及版权的需要,AI 研习社已经获得了 Hinton 教授的亲自授权。


雷锋字幕组致力于为 AI 从业者们提供最专业的 AI 相关视频内容。目前,雷锋字幕组已经与全球范围内多所高校包括多伦多大学、伦敦大学学院等达成课程内容汉化授权协议。如果您对我们的工作内容感兴趣,欢迎添加微信 “iIoveus2014”,备注 “Hinton” 加入我们!



转载声明:本文转载自「AI研习社」,搜索「okweiwu」即可关注。

Copyright © 网络机器人吧社区@2017