神经网络学习笔记

2.1多层前馈神经网络

 

原理：有大量可以并行处理的神经元组成，一是可以通过学习从外部环境中获取知识，二是由神经元之间的权值连接存储获取的知识。神经网络依靠复杂的输入输出反复调整参数的过程，让网络对一些输入的响应产生符合所希望的要求。

 

BP网络：（以此模型为代表进行介绍）

类型：典型的多层前馈神经网络

组成及工作原理：一般有输入层、中间层和输出层构成。每层都有若干个神经元组成，相邻两层的神经元之间全连接，每层神经元的输入来自前一层神经元的一个或多个输出，同层的各神经元之间不存在反馈和连接。

BP网络特点：单向进行，学习过程中不存在特定的数学公式，全部由网络自行调整学习

 

2.1.1神经元模型

神经网络模型：最原始的MP模型（单个神经元具备执行逻辑的功能）

单个神经元的工作模型：神经元是由一个或多个输入、一个输出、yige代表其处于抑制或激活状态的阈值组成的非线性单元。