该文章为转载文，转载自深度学习实战教程(三)：神经网络和反向传播算法往期回顾在上一篇文章中，我们已经掌握了机器学习的基本套路，对模型、目标函数、优化算法这些概念有了一定程度的理解，而且已经会训练单个的感知器或者线性单元了。在这篇文章中，我们将把这些单独的单元按照一定的规则相互连接在一起形成神经网络，从而奇迹般的获得了强大的学习能力。我们还将介绍这种网络的训练算法：反向传播算法。最后，我们依...
Deep Speaker是百度旗下研发的一款基于声纹的说话人识别系统的论文。这是一种基于深度神经网络的说话人识别系统，该系统将语音映射到超球面上，利用余弦相似度来确定说话人的相似度。使用ResCNN和GRU架构进行实验，提取声学特征，然后使用均值池来生成对话层面的说话人嵌入，并使用基于余弦相似度的三重损失函数进行训练。
往期回顾在上一篇文章中，我们已经学会了编写一个简单的感知器，并用它来实现一个线性分类器。你应该还记得用来训练感知器的【感知器规则】。然而，我们并没有关心这个规则是怎么得到的。本文通过介绍另外一种【感知器】，也就是【线性单元】，来说明关于机器学习一些基本的概念，比如模型、目标函数、优化算法等等。这些概念对于所有的机器学习算法来说都是通用的，掌握了这些概念，就掌握了机器学习的基本套路。线性单元是...
深度学习是啥上图中每个圆圈都是一个神经元，每条线表示神经元之间的连接。我们可以看到，上面的神经元被分成了多层，层与层之间的神经元有连接，而层内之间的神经元没有连接。最左边的层叫做输入层，这层负责接收输入数据；最右边的层叫输出层，我们可以从这层获取神经网络输出数据。输入层和输出层之间的层叫做隐藏层。隐藏层比较多（大于2）的神经网络叫做深度神经网络。而深度学习，就是使用深层架构（比如，深度神经网...