手撕深度学习-手写神经网络（一）

garen_dimon

已于 2024-05-09 17:17:02 修改

阅读量229

点赞数

分类专栏：软件研究文章标签：深度学习神经网络人工智能

于 2023-06-12 16:27:57 首次发布

本文链接：https://blog.csdn.net/XiaoYuanGong/article/details/131170755

版权

软件研究专栏收录该内容

11 篇文章 35 订阅 ¥15.90 ¥99.00

订阅专栏

本文介绍了使用神经网络识别手写数字的基本原理，从感知器的概念出发，探讨了如何通过权重和阈值进行决策，并用奶酪节的例子进行解释。文章指出，虽然感知器看似简单，但可以通过多层网络模拟复杂决策，甚至计算逻辑功能。接下来的章节将介绍S型神经元和神经网络的学习算法，展示神经网络如何通过学习自动调整权重和解决传统方法难以处理的问题。

摘要由CSDN通过智能技术生成

前言

使⽤神经⽹络识别⼿写数字：
⼈类视觉系统是世界上众多奇迹之⼀。看看下⾯的⼿写数字序列：
在这里插入图片描述

⼤多数⼈毫不费⼒就能够认出这些数字为 504192。这么容易反⽽让⼈觉着迷惑了。在⼈类
的每个脑半球中，有着⼀个初级视觉⽪层，常称为 V1，包含 1 亿 4 千万个神经元及数百亿条神
经元间的连接。但是⼈类视觉不是就只有 V1，还包括整个视觉⽪层 —— V2、V3、V4 和 V5 ——
他们逐步地进⾏更加复杂的图像处理。⼈类的头脑就是⼀台超级计算机，通过数⼗亿年的进化
不断地演变，最终能够极好地适应理解视觉世界的任务。识别⼿写数字也不是⼀件简单的事。尽
管⼈类在理解我们眼睛展⽰出来的信息上⾮常擅⻓，但⼏乎所有的过程都是⽆意识地。所以，我
们通常并不能体会⾃⾝视觉系统解决问题的困难。
如果你尝试写出计算机程序来识别诸如上⾯的数字，就会明显感受到视觉模式识别的困难。
看起来⼈类⼀下⼦就能完成的任务变得特别困难。关于我们识别形状 —— “9 顶上有⼀个圈，
右下⽅则是⼀条竖线”这样的简单直觉 —— 实际上算法上就很难轻易表达出来了。⽽在你试着
让这些识别规则越发精准时，就会很快陷⼊各种混乱