8-1 深度学习与神经网络
目录
- 神经网络
- 激活函数
- 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
- 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)
- 无数神经元构成神经中枢
- 神经中枢综合各种信号,做出判断
- 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
- 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)
- 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
</