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。