文章目录
前言
关于python深度学习(tensorflow 1.x版本)学习笔记04——神经网络(壹)
一、神经网络基础
1、感知机模型
感知机解决的是分类问题;线性回归解决的是回归问题。
-
应用:很容易解决与,或,非问题。
x1,x2两个特征值,w1,w2两个权值。
与:所有输入为1,输出为1,否则为0。w1=1,w2=1,阈值为1.5,只有输入(1,1)的输出值为1。
或:只要有一个为1,输出就为1。
异或问题:相同为0,不同为1,使用一个感知机无法很好的划分。(单个感知机解决不了的问题,可以增加感知机)
逻辑回归:sigmoid,激活函数,进行分类。
2、神经网络
神经网络是一种数学模型,是存在于计算机的神经系统,由大量的神经元相连接并进行计算,在外界信息的基础上,改变内部的结构,常用来对输入和输出间复杂的关系进行建模。神经网络由大量的节点和之间的联系构成,负责传递信息和加工信息,神经元也可以通过训练而被强化。
- 感知机-->神经元-->多个-->神经网络
- 特点:
- 输入向量的维度和输入神经元的个数相同
- 每个连接都有权值
- 同一层神经元之间没有连接
- 由输入层,