前言
为了给事物建模。就必须理想化他
这样可以移除一些不必要的复杂细节
允许我们运用数学的知识,并推理其他相近的领域
一旦我们领悟到主要核心的知识,那么增加复杂信息以使模型更加合理将会变得更加的简单。
一些简单的神经元
- 线性神经元
格式: y=b+ ∑wTx
图形是:一条直线 阈值型神经元
组合一些命题,得到其他命题
有两种形式(见下,他们的联系就是 Θ=−b ),其实都是一样的。
图形是:
分段式线性神经元
该神经元其实是组合了 线性神经元和阈值神经元
公式:
注意:大于0是输出是,z而不是1.
图形:
Sigmoid神经元
该神经元有光滑的导函数,即其导数是连续的。
公式:
图形:
随机阈值神经元
和4一模一样。只是输出的不是概率,而是0或者1.