Neural-Networks
為什麼深度學習不適用於少量數據？
我是深度學習的新手，所以這可能是一個微不足道的問題。但我想知道為什麼深度學習（或神經網絡）不能很好地處理小標記數據。無論我讀過什麼研究論文，他們的數據集都是巨大的。直覺上這並不奇怪，因為我們的大腦需要很多時間來訓練自己。但是是否有數學證明或原因說明神經網絡在這種情況下不能很好地工作？
典型的深度學習模型中使用的神經網絡具有非常多的節點和許多層，因此必須估計許多參數。這需要大量數據。一個小型神經網絡（層數更少，自由參數更少）可以用一個小數據集成功訓練——但這通常不會被描述為“深度學習”。