作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/120405856
目录
第1章 人工神经网络ANNG概述
1.1 生物神经网络回顾
1.2 人工神经网络概述
人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。
它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。
最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
1.2 人工神经网络的层次模型
神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。
(1)深入层:对应生物神经网络中的周围神经系统的传入神经元
由有大量的输入节点组成,每个输入节点代表样本的一个输入属性。所有的输入属性,组成了样本,用多维的“张量”这种数据结构来描述。
(2)隐藏层:对应生物神经网络中的中枢神经系统的中枢神经元
由大量的神经元节点组成,负责对输入数据进行处理。
网络的输出对输入的响应,则依赖于神经元的网络连接方式,以及各个神经元的权重参数。
(3)输出层:对应生物神经网络中的周围神经系统的输出神经
有大量的神经元组成,负责数据的输出。
1.3 人工神经网络的本质是“图” 结构
神经网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
其底层的数据基础是“图”。
在计算机科学中,一个图就是一些顶点的集合,这些顶点通过一系列边结对(连接)。
顶点用圆圈表示,边就是这些圆圈之间的连线。顶点之间通过边连接。
注意:顶点有时也称为节点或者交点,边有时也称为链接。
与“图”相对应的常见数据结构有:
(1)链表数据结构
(2)“树“型数据结构
1.4 常见计算机网络的拓扑结构
1.5 神经网络模型的决定因素:Y = W * X + B
决定神经网络模型的核心是:
(1)神经网络的拓扑结构:
- 输入数据的形状, 即输入张量X,分为样本数据和预测数据
- 输出数据的形状, 即输出张量Y,分为样本标签和预测结果
- 网络的拓扑结构, 即W, B矩阵形状,W和B合并后的简化模型是: Y = W * X
网络拓扑结构,反应在深度学习领域:就是各种大牛、大神们公布的、发明的神经网络的模型。
(2)神经网络的参数值
- W, B矩阵中的W,B参数的数值
- W,B参数的数值是:通过输入样本,对模型训练,自动设置的,而不是人为预先设计的。
神经网络的参数值,反应在深度学习领域,就是模型的训练。
第2章 人工神经网络的分类
2.1 按照神经网络的层数分
- 单层神经网络
- 两层神经网络
- 多层神经网络
2.2 按照神经网络深浅分
- 浅层神经网络
- 深度神经网络
2.3 神经网络的综合分类
第3章 人工神经网络基础性核心功能
3.1 线性回归:拟合问题
(1)单个神经元的线性拟合
(2)多个神经元的非线性拟合
(3)无数个神经元的空间拟合能力
3.2 逻辑回归:分类问题
(1)单个神经元的逻辑“非”运算:0或1
(2)单个神经元的逻辑“与”运算
(3)单个神经元的“或”运算
(4)两个神经元的“亦或”运算
(5)多神经元复杂的逻辑运算
(6)多个神经元的“多”分类运算
(7)多个神经元的复杂分类
3.3 深度神经网络的应用
(1)现在、当下
(2)未来
第4章 人工神经网络的发展
4.1 人工神经网络大观园
神经网络结构盘点Neural Networks Zoo_marsjhao Blog-CSDN博客
4.2 人工神经网络的发展
4.3 人工神经网络发展的动力
第5章 浅层神经网络
5.1 单层神经网络
5.2 二层神经网络
5.3 四层神经网络
第6章 深层神经网络与深度学习
6.1 什么是深度神经网络
(1)层数:深层神经网络的层数可以高达几十层、上百层,甚至上千层。
(2)特征:深度神经网络能否自己、自动发掘数据中深度隐藏的特征。
(3)计算:深度神经网络的计算机极大
(4)参数:深度神经网络的w,b的参数可以高达几百万、几千万个。
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/120405856