① bp神經網路是有監督還是無監督
bp神經網路是有監督。
BP神經網路是最基礎的神經網路,其輸出結果採用前向傳播,誤差採用反向(Back Propagation)傳播方式進行。BP神經網路是有監督學習,不妨想像這么一個應用場景:輸入數據是很多銀行用戶的年齡、職業、收入等,輸出數據是該用戶借錢後是否還貸。
作為銀行風控部門的負責人,你希望建立一個神經網路模型,從銀行多年的用戶數據中學習針對銀行客戶的風控模型,以此判定每個人的信用,並決定是否放貸。
基本原理
人工神經網路無需事先確定輸入輸出之間映射關系的數學方程,僅通過自身的訓練,學習某種規則,在給定輸入值時得到最接近期望輸出值的結果。作為一種智能信息處理系統,人工神經網路實現其功能的核心是演算法。
BP神經網路是一種按誤差反向傳播(簡稱誤差反傳)訓練的多層前饋網路,其演算法稱為BP演算法,它的基本思想是梯度下降法,利用梯度搜索技術,以期使網路的實際輸出值和期望輸出值的誤差均方差為最小。
② 有監督和無監督學習都各有哪些有名的演算法和深度學習
深度學習
編輯
深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵,以發現數據的分布式特徵表示。[1]
深度學習的概念由Hinton等人於2006年提出。基於深度置信網路(DBN)提出非監督貪心逐層訓練演算法,為解決深層結構相關的優化難題帶來希望,隨後提出多層自動編碼器深層結構。此外Lecun等人提出的卷積神經網路是第一個真正多層結構學習演算法,它利用空間相對關系減少參數數目以提高訓練性能。[1]
深度學習是機器學習研究中的一個新的領域,其動機在於建立、模擬人腦進行分析學習的神經網路,它模仿人腦的機制來解釋數據,例如圖像,聲音和文本。[2]