教程 | Hinton 机器学习视频中文版：感知器的局限性（2.5）

本套课程中，Hinton 重点介绍了人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用，及其在机器学习中发挥的作用。与吴恩达的《Machine Learning》不同，这门课程更加深入地介绍了 Machine Learning 中神经网络具体操作方法。（更多课程查看下方往期回顾）

https://v.qq.com/txp/iframe/player.html?vid=h0395cpxp68&width=500&height=375&auto=0
2.5 感知器的局限性

由于感知器非常依赖输入数据，特征选得好，威力无穷，特征不好，那就差强人意了，这直接导致感知器发展受限，跌入低谷。下面详细解释下感知器的局限性。

本栏目将在AI研习社（公众号：okweiwu）每日微信末条更新，敬请关注！

往期课程

--------------------------------------------------

为了让广大 AI 青年们不再为英语所累，快速进入学习状态，雷锋网旗下 “AI 研习社” 推出了深度学习大牛 Geoffrey Hinton 的《Neutral Network for Machine Learning》中文系列视频课程。PS: 出于对 Hinton 知识成果的尊重以及版权的需要，AI 研习社已经获得了 Hinton 教授的亲自授权。

雷锋字幕组致力于为 AI 从业者们提供最专业的 AI 相关视频内容。目前，雷锋字幕组已经与全球范围内多所高校包括多伦多大学、伦敦大学学院等达成课程内容汉化授权协议。如果您对我们的工作内容感兴趣，欢迎添加微信 “iIoveus2014”，备注 “Hinton” 加入我们！

转载声明：本文转载自「AI研习社」，搜索「okweiwu」即可关注。