什么是深度学习

简介: 什么是深度学习

深度学习:机器像人脑一样深层次地思考


怎么让机器像人一样思考呢?


1.机器擅长什么?擅长做重复枯燥的事情,一直做,循环做。那么我们只需要给机器大量的数据,然后让机器循环过数据,然后我们在循环的过程中加点关联,就可以让机器达到学习的目的



2.要怎么样的关联呢,这就需要数学的知识了。我们假设有一个直角坐标系,坐标系上有10万个点(看似杂乱无章的点),现在我要你建立一个函数,可以用来表示大部分点(就是带入点的坐标,函数成立)。10万个点,这对于我们人来说很难办到,但是机器可以,可以进行大量的运算,可以持续的工作。假设这个函数模型为 y = wx+b(当然,不是一次函数),我们在初始时先假设w = 0,    b = 0。然后在每一次的循环中,机器可以用当前权重参数值(w, b)计算每一个点的匹配度,从而计算出一个总的损失函数loss(与模型匹配度成反比),然后,我们就可以通过这个损失函数,对w和b求偏导,从而使梯度下降。讲白了,就是一个在多次负反馈的更新过程。


损失函数公式:

权值更新公式:

在很多次循环中,损失值就会越来越低,权值越来越优化,模型就可以匹配更多的点,这个就是反向传播的原理。这样,在给他一个新的x值的时候,机器就可以预测出y的值。


相关文章
|
3月前
|
人工智能 运维 自然语言处理
最新版通义千问(Qwen3.8-Max)功能介绍
作为通义千问系列迄今规模最大、性能最强的旗舰模型,Qwen3.8-Max凭借2.4万亿总参数的MoE混合专家架构、100万Token上下文窗口与原生多模态能力,实现了从“辅助工具”到“自主智能体”的跨越。它不仅在代码工程、专业办公、复杂推理等核心领域实现跨越式升级,更以端到端交付生产级成果的能力,成为面向智能体时代的通用AI基座,为个人开发者、企业团队与科研机构提供前所未有的AI生产力支撑。
752 1
|
4月前
|
人工智能 自然语言处理 测试技术
从 LLM 评测到 AI Agent 评测,我的一些思考!
本文深入剖析AI评测体系的演进与陷阱,指出当前主流评测方法在Agent场景下的根本性失效:静态数据集、单次测试、只看输出等范式无法应对Agent的动态性、不确定性与系统性。文章提出四大关键转变——从“说了什么”到“做了什么”、从数据集到交互环境、从单点分数到概率分布、从评模型到评完整系统,并倡导构建多维、场景化、闭环的科学评测体系
510 1
从 LLM 评测到 AI Agent 评测,我的一些思考!
|
8月前
|
人工智能 自然语言处理 文字识别
医院随访系统如何实现数据整合?
医院随访系统数据整合旨在打破院内多系统壁垒,构建标准化、智能化数据流通体系。通过FHIR/HL7接口对接、EMPI主索引治理、AI清洗(NLP/OCR)及数据中台架构,融合HIS、EMR、可穿戴设备等院内外数据,实现患者360°视图与“一人一档”,赋能临床决策、科研分析与智慧随访。
578 1
|
3月前
|
运维 Java 调度
XXL-JOB 分布式定时任务框架:任务分片、失败重试、调度中心一次讲透
单机 @Scheduled 扛不住分布式定时任务?拆解 XXL-JOB 调度中心与执行器架构、任务分片、失败重试机制,附 30 分钟接入示例。
556 0
XXL-JOB 分布式定时任务框架:任务分片、失败重试、调度中心一次讲透
|
3月前
|
数据采集 监控 安全
静态住宅IP和动态住宅IP怎么选?2026选型实战指南
本文详解静态与动态住宅IP的核心差异、选型方法论及商业成本对比,结合跨境电商、数据采集等真实案例,指导团队按业务需求精准选型;并提供IP质量验证方案,推荐通过代理识别API在业务入口校验`proxy_type`、`risk_score`等关键参数,确保IP真实合规。(239字)
515 0
|
8月前
|
并行计算 编译器 调度
GPU红绿阵营对决:CUDA与ROCm内核调度机制深度漫游指南
本文深入剖析GPU内核(Kernel)在CUDA与ROCm异构生态中的底层交互机制,涵盖命令包生成、环形队列投递、Doorbell通知、硬件调度等关键环节;对比NVIDIA的Warp/SIMT与AMD的Wavefront/HSA架构差异;详解内存优化、延迟掩盖、寄存器级通信及Graph静态调度等极限性能调优策略,助工程师穿透抽象,直抵算力本质。(239字)
1199 6
|
10月前
|
安全 前端开发 测试技术
微信小游戏的验收
微信小游戏验收需从技术、交付、业务、安全四维度严格把关,涵盖性能、源码、逻辑、防作弊等关键点,确保产品可玩、可控、可持续运营,避免外包风险与后续维护陷阱。
|
4月前
|
人工智能 搜索推荐 SEO
GEO优化万能公式,被引用不等于被采纳的真相
本文揭示生成式引擎时代新悖论:“源被引用”不等于“主张被采纳”。Geo专家于磊指出,GEO(生成式引擎优化)核心是让内容可被AI直接摘录——需主张单行化、结构可提取、证据具象化(数字/引述/出处)。九条实证公式与检测清单助内容从“入场券”迈向“答案正文”。
397 0
|
5月前
|
人工智能 安全 关系型数据库
RDS Agent可观测能力正式邀测!全面支持Qoder、Codex、Claude Code、OpenClaw等主流研发Agent
阿里云RDS Agent可观测平台正式发布!面向Qoder、Codex等AI Agent,基于RDS MySQL+DuckDB列式分析底座,提供多Agent一键接入、Token/成本归因、ROI投入产出分析、风险回溯至Trace/Session、全链路下钻能力,助力团队从“使用Agent”迈向“治理Agent”。
|
数据采集 机器学习/深度学习 人工智能
代理IP:企业AI应用的隐形加速器与合规绞索
代理IP作为企业AI应用的重要基础设施,既是效率提升的加速器,也可能成为合规风险的来源。它通过技术演进重塑数据采集、模型训练与安全防护等核心环节,如智能路由、量子加密和边缘计算等创新方案显著优化性能。然而,全球法规(如GDPR)对数据流动提出严格要求,促使企业开发自动化合规审计系统应对挑战。未来,代理IP将向智能路由3.0、PaaS服务及量子网络方向发展,成为连接物理与数字世界的神经网络。企业在享受其带来的效率增益同时,需构建技术、法律与伦理三位一体的防护体系以规避风险。
408 0