前向神经网络基本原理

前向神经网络基本原理

内容

神经网络是 TensorflowTensorflo**w 最擅长的机器学习领域。TensorflowTensorflo**w 拥有一套符号引擎，它使得训练复杂模型变得更简单和方便。通过这套符号引擎，我们能够实现许多的模型结构和算法。

知识点

• 人工神经网络
• 神经网络层
• Tensorflow 相关库
• Tensorflow 相关方法

原理

人工神经元

人工神经元就是使用一个数学函数来对生物的神经元建模。

简单来说，一个人工神经元就是接受一个或者多个输入（ 训练数据 ），对它们加和，并产生一个输出。一般来说，这里面的加和指的是加权求和（ 每个输入乘上权重，并加上一个偏差 ），然后将加和的输入传递给一个非线性函数（ 一般称作激活函数或者转移函数 ）。

最简单的人工神经元——感知器

感知器是实现人工神经元最简单的方法，它的历史可以追溯到二十世纪五十年代，在二十世纪六十年代的时候，首次被实现。简单来说，感知器就是一个二元分类函数，它将输入映射到一个二元输出，如下图所示。