学习 《神经网络与深度学习》 笔记1

2019年5月22日 晚上八点半
感知器
这是一种人工神经元，我的理解感知器像是判断器，这个判断器有一输入和一个输出，而且这个判断要求设置一个阈值（threshold），输出一般是0或者1，超过这个阈值输出1，没有超过输出0。经过进一步的改进，对于不同的感知器也许会有不同的重要程度，所以我们可以对每个感知器设置不同的权重（w）以便于区分之间的重要性，一般是用 输入值 乘以 该感知器的权重 作为真正的输入 然后再和与之进行比较输出。一个单层感知器网络可以进行一个简单的决策，随着网络层数的增加，可以进行的决策也越复杂越抽象。但是要注意的是每个感知器是单输入单输出的，但是相同的输出可以给不同的神经元作为输入；而对于整个感知器网络则是可以有多个输入和多个输出。引入权重概念之后，又有一个新的概念就是 偏置 。一般偏置b = -threshold 这样输入就为wx+b（x为每个感知器得到输入），然后在和0去比较，这个偏置可以看作让这个感知器输出1的难度大小。