神经网络基础知识总结

1.1 神经网络的基本工作原理简介

      神经元细胞的数学模型

输入 input

(x1,x2,x3)(x1​,x2​,x3​) 是外界输入信号，一般是一个训练数据样本的多个属性，比如，我们要预测一套房子的价格，那么在房屋价格数据样本中，x1 可能代表了面积，x2​ 可能代表地理位置，x3​ 可能代表朝向。另外一个例子是，(x1,x2,x3)(x1​,x2​,x3​) 分别代表了(红,绿,蓝)三种颜色，而此神经元用于识别输入的信号是暖色还是冷色。

权重 weights

(w1,w2,w3)(w1​,w2​,w3​) 是每个输入信号的权重值，以上面的 (x1,x2,x3)(x1​,x2​,x3​) 的例子来说，x1​ 的权重可能是 0.920.92，2x2​ 的权重可能是 0.20.2，3x3​ 的权重可能是 0.030.03。当然权重值相加之后可以不是 11。

偏移bias

 y=wx+by=wx+b，bb 是偏移值，使得直线能够沿 YY 轴上下移动。这是用结果来解释原因，并非 bb 存在的真实原因。从生物学上解释，在脑神经细胞中，一定是输入信号的电平/电流大于某个临界值时，神经元细胞才会处于兴奋状态，这个 bb 实际就是那个临界值。亦即当：

时，该神经元细胞才会兴奋。我们把t挪到等式左侧来，变成(-t)(−t)，然后把它写成 bb，变成了：

于是 bb 诞生了！

求和计算 sum

 在上面的例子