深度学习解决的问题

自动提取出最合适的特征

深度学习应用

神经网络基础

损失函数

前向传播

反向传播

绿色字体为正向传播i输入，红色字体为反向传播梯度

MAX门单元只把梯度传给最大的

神经网络整体架构

激活函数

隐藏层激活函数

一般选择Relu，sigmoid会出现梯度消失现象

神经网络中防止过拟合

-

Dropout可以作为训练深度神经网络的一种trick供选择。在每个训练批次中，通过忽略一半的特征检测器（让一半的隐层节点值为0），可以明显地减少过拟合现象。这种方式可以减少特征检测器（隐层节点）间的相互作用，检测器相互作用是指某些检测器依赖其他检测器才能发挥作用。
Dropout说的简单一点就是：我们在前向传播的时候，让某个神经元的激活值以一定的概率p停止工作，这样可以使模型泛化性更强，因为它不会太依赖某些局部的特征