神经网络(neuralnetwork):
不论何种类型的人工神经网络,它们共同的特点是,大规模并行处理,分布式存储,弹性拓扑,高度冗余和非线性运算;
而具有很髙的运算速度,很强的联想能力,很强的适应性,很强的容错能力和自组织能力。
对每个输出需求(每个不同输入的输出)设定一个特定的人工神经元(功能模型),然后每个第一层的神经元的输出(可以看成新的特征)再输入到下一层的神经元;
神经网络可以自己计算出它想要在这个隐藏层(前一层输出结果后到达下一层的中间过程)中使用的特征;
简而言之就是神经网络可以自己计算出下一层神经元需要的输入;
自己构建神经网络的时候只需要确定你需要多少个隐藏层,每个隐藏层要有多少个神经元;
多层感知器(multilayerperceptron)也是神经网络的意思;
人脸识别的问题是,你能否训练一个神经网络,以一百万像素亮度值得特征向量作为输入,并输出图片中人物的身份;
每一个隐藏层中不需要人为规定特征,神经网络会自动的检测不同的特征(这便是神奇之处);
TensorFlow(开源机器学习平台):
对于TensorFlow,惯例是使用矩阵来表示数据;
Tensor(张量)是TensorFlow中的一种数据类型,有效的存储和执行矩阵计算,张量不矩阵更通用一点;转换回NumPy数组,可以使用函数a1.numpy;按场景转换相应的库;
构建一个简单的神经网络:
Layer_1:为第一层
Layer_2:为第二层
对数据进行训练;
在X_new上调用模型预测;