“神经网络”是什么？如何直观理解它的能力极限？它是如何无限逼近真理的？

[@顧寶盛]

居然能夠把很抽象的東西解釋的如此具象，太強了，讚

[@柳越]

这个视频的一大优点，是不但讲知识和原理，还能把自己学习知识的过程和思考也讲解出来，让人有额外的受益~

[@chenwilliam5176]

❤

[@simonpeter9617]

高手啊

[@bulrush08]

作者的比喻非常有趣，很有启发性。很多现实都不是简单的，是复杂的，难以定义的。这样的复合事务，就完全可以用一个神经网络来“定义”

[@桑尼-g6d]

台灣的小伙給你個讚 說得很棒

[@kertmd6874]

我搜索傅立叶变换与图像识别就收到你的视频了。很认同你说的关于傅立叶变换那一部分

[@fengbenming1819]

感谢王木头老师，讲的太棒了，对这个世界的思考非常受用

[@lxdngee]

终于明白我与学霸的在思维和认知速度上的差异了。看他的视频，不仅是在学习知识，更是在学习学霸是如何思考和学习的。

[@robertchou5670]

非常感謝!

[@firstlast-1999]

干货满满

[@johnlin6121]

非常好的视频

[@zwh1047]

感谢您的讲解

[@alchen75]

謝謝！

[@ndydiy9963]

非常好的分享，感谢！

[@yongdu-b4n]

请教下，机器学习=基于统计的人工智能，有权威的定义吗？还是您的个人理解？

[@chenwilliam5176]

類神經網路函式所輸出的值， 若和實際值不同 ，透過 反覆回饋演算法 ，調整函式參數，使函式所輸出的值漸漸趨近實際值❤ 真理？！😮 言重了啦😅

[@xuzirui2007]

那猫女的一秒钟让我乐了大半天

[@starportx]

200万像素可不是200万个维度哦！图像里面包含多少分析特征才是多少维度

[@俺老孙]

讲的非常好，深入浅出

[@JK-sy4ym]

Thanks!

[@simonpeter9617]

太强了！！！

[@NICK-ic9dd]

还不错😌，下次项目搞搞

[@bjzh7583]

就是傅里叶变换，只不过更复杂，更批量。

[@yeelignyee3767]

In “Neural Networks and Deep Learning”, Michael Nielsen provides a visual proof that neural nets can compute any function in chapter 4.

[@chenwilliam5176]

Generate output value of a function gradually approach the actual valiue by tuning function's parameters ,finally create a ANN mathematical model 😂

[@chenwilliam5176]

❤🙏

[@jesseshao]

老师国内的卷积神经网络都有哪些公司，想去这样的公司

[@wumitiyo9754]

图像识别提取它的HOG特征应该比整个像素作为输入好很多吧

[@chenwilliam5176]

是否 Local minimum 可能會存在 ？！💯

[@joegopher9280]

机器学习就是统计学习，太对了，需要大量的数据来训练

[@seekingthewholetruth]

说的太好了！加油！

[@tonyguo4765]

讲的很好 为啥订阅这么少

[@haolee630]

现在无限接近真理的是GDBT了

[@user-TweetyBird]

怎么是分三类呢

[@user-TweetyBird]

中间是不是有一个猫女？

[@quietbin]

阶跃函数？

[@harveyshih6003]

4:19 的說法，邏輯上似乎出現矛盾，一張狗的照片要如何知道耳朵長或短？CNN似乎是對整張狗的圖片做訓練，能單獨識別出狗的五官？

[@wkaing]

是神经网络，不是卷积神经网络。神经网络是一个更大的概念，可以端到端的用卷积神经网络直接训练，也可以输入结构化数据进行训练。这里只是为了方便理解，用耳朵长度这种我们能理解的特征来举例。其实，卷积神经网络也是在识别特征，只不过这个特征到底为什么是这样的，我们人很难给出解释。

[@kilefdwa6402]

@@wkaing CNN本身对边界比较敏感，在某些层上应该会有能识别到耳朵的信息

[@mykindlepet]

留个作业给你们：为什么人类学习不需要那么多的数据

[@skyacaniadev2229]

假设人肉眼分辨率大约为1080p，帧率约24fps，求你一辈子双眼所接受过的数据量。

[@harryliu2008]

​@skyacaniadev2229 作业不及格 打回重做

[@KS0219]

看見777，我點個讚變成778

[@bardplus]

长治二中类？校友吗？

[@user-TweetyBird]

狗也有胡子

[@bearinwater1]

竟然我是第一个订阅？！

[@wkaing]

差一点点就是第一个，不过你是第一个留言滴

[@chenwilliam5176]

我實在看不出類神經網路會湧現智能或智慧 (Intelligence)😢 在應用數學上 它是屬於 Numerical Analysis 這個領域❤ 類神經網路必須經過人類導師訓練， 「自我學習」 才有辦法調整參數並輸出「實際值的近似值」❤

[@guzhengwu]

人类需要学习，我们当然也应该允许机器进行学习吧。读书破万卷，下笔如有神。好的文章拆分下来看也不过是单词和字母的组合，喂给机器的语料多了，至少在聊天方面，是可以涌现的。由文字涌现推及其他，只是维度和表征不同，发现表征的机理，一样有机会涌现吧？😀