8-1 深度学习与神经网络

目录

1. 神经网络
2. 激活函数
3. 深度学习

• 机器学习是人工智能的核心，研究如何使用机器来模拟人类学习活动的一门学科。
• 深度学习（多层人工神经网络）是机器学习的分支，对数据进行表征学习的方法。

1 神经网络

1.1 引

人是怎么思考的？–生物神经网络

感知器

1. 外部刺激通过神经末梢，转化为电信号，转导到神经细胞（又叫神经元）
2. 无数神经元构成神经中枢
3. 神经中枢综合各种信号，做出判断
4. 人体根据神经中枢的指令，对外部刺激做出反应

生物神经网络的基本工作原理

• 一个神经元的输入端有多个树突，主要是用来接收输入信息的。
• 输入信息经过突触处理，将输入的信息累加，当处理后的输入信息 大于某一个特定的阈值 ，就会把信息通过轴突传输出去，这时称神经元被激活。
• 相反，当处理后的输入信息 小于阈值 时，神经元就处于抑制状态，它不会像其他神经元传递信息。或者传递很小的信息。

人工神经网络分为两个阶段

1. 接收来自其他n个神经元传递过来的信号，这些输入信号通过与相应的权重进行加权求和传递给下个阶段。（预激活阶段）
2. 把预激活的加权结果传递给激活函数

• sum : 加权
• f: 激活函数

生物神经网络	人工神经网络
细胞核	神经元
树突	输入
轴突	输出
突触	权重

机器要怎么思考的？–人工神经网络

人造神经元

• 输入：x1, x2, x3

• 输出：output

  </