預(yù)測知識 | 預(yù)測技術(shù)流程及模型評價
神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)（neural network）是機(jī)器學(xué)習(xí)的一個重要分支，也是深度學(xué)習(xí)的核心算法。神經(jīng)網(wǎng)絡(luò)的名字和結(jié)構(gòu)，源自人類的大腦構(gòu)造，即神經(jīng)網(wǎng)絡(luò)是模擬生物學(xué)中神經(jīng)元信號傳輸而形成的一種算法。
機(jī)器學(xué)習(xí)
在開展神經(jīng)網(wǎng)絡(luò)或深度學(xué)習(xí)研究前，需要理清人工智能（AI）、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)之間的關(guān)系。一般而言，AI是最大研究范疇，其包含了機(jī)器學(xué)習(xí)，而神經(jīng)網(wǎng)絡(luò)則是機(jī)器學(xué)習(xí)的一個重要分支。深度學(xué)習(xí)則是神經(jīng)網(wǎng)絡(luò)的主干，嚴(yán)格來說，神經(jīng)網(wǎng)絡(luò)除了深度學(xué)習(xí)，還包含簡單的神經(jīng)網(wǎng)絡(luò)模型，如僅含有一個隱藏層的感知機(jī)等。
深度學(xué)習(xí)
神經(jīng)網(wǎng)絡(luò)是籠統(tǒng)稱呼，即只要含有輸入層、隱藏層和輸出層結(jié)構(gòu)，即可稱為"神經(jīng)網(wǎng)絡(luò)"。那深度學(xué)習(xí)與其有何區(qū)別呢？深度學(xué)習(xí)指的是層數(shù)＞3的神經(jīng)網(wǎng)絡(luò)，注意這里的3包含了輸入層和隱藏層。言外之意，就是當(dāng)隱藏層數(shù)目≥2時，就稱之為深度學(xué)習(xí)。所以，朋友們做的很多神經(jīng)網(wǎng)絡(luò)模型，可能都屬于深度學(xué)習(xí)。
深度學(xué)習(xí)類型眾多，但當(dāng)前比較常用的有如下幾種，1）前饋神經(jīng)網(wǎng)絡(luò)，也稱為感知機(jī)，這是一種前饋神經(jīng)網(wǎng)絡(luò)（信息僅往一個方向傳遞）。當(dāng)層數(shù)很多時，前饋神經(jīng)網(wǎng)絡(luò)也具有強(qiáng)大的預(yù)測能力，在醫(yī)學(xué)研究中尤為常用。2）卷積神經(jīng)網(wǎng)絡(luò)，簡稱CNN，這種深度學(xué)習(xí)算法在圖像識別、模式識別或計算機(jī)視覺等領(lǐng)域應(yīng)用廣泛。目前，醫(yī)學(xué)研究中，最常用于對CT、MRI、PET等資料的預(yù)測分析。3）循環(huán)神經(jīng)網(wǎng)絡(luò)，簡稱為RNN，這種深度學(xué)習(xí)算法尤其適用于時間序列資料預(yù)測，例如股票預(yù)測等。循環(huán)神經(jīng)網(wǎng)絡(luò)與普通前饋神經(jīng)網(wǎng)絡(luò)最大的不同，在于其不僅有信息的前向傳遞，還有反向傳播。在循環(huán)神經(jīng)網(wǎng)絡(luò)中，以長短時記憶網(wǎng)絡(luò)/LSTM應(yīng)用最多。
文章來源：http://www.zghlxwxcb.cn/news/detail-643823.html
參考資料
[1] Reference: Development and validation of predictive models for unplanned hospitalization in the Basque Country: analyzing the variability of non-deterministic algorithms文章來源地址http://www.zghlxwxcb.cn/news/detail-643823.html
到了這里，關(guān)于預(yù)測知識 | 神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
