深度神经网络与基本神经网络的区别是
层数和特征学习
深度神经网络与基本神经网络的主要区别在于层数和特征学习。基本神经网络通常只有输入层、隐藏层和输出层，其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。而深度神经网络，如卷积神经网络（CNN），在原有的多层神经网络基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。深度神经网络通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。相比之下，基本神经网络做的步骤是：特征映射到值，特征是人工挑选；而深度学习做的步骤是信号->特征->值，特征是由网络自己选择。
如有侵权请及时联系我们处理，转载请注明出处来自
推荐文章
科技快看 网站地图广州壹创集信息科技有限公司 版权所有 粤ICP备2021122624号
