一、深度学习入门
1. 神经网络基础
•神经元模型与多层神经网络的概念
神经元模型和多层神经网络是深度学习中的两个基本概念,它们构成了深度学习模型的基本组成部分。
神经元模型(Neuron Model):
神经元模型是模拟生物神经元工作原理的数学模型,它是构成神经网络的基本单元。在深度学习中,通常采用的神经元模型是人工神经元,也称为感知器(Perceptron)或线性神经元。
一个简单的人工神经元包含以下几个主要组成部分:
- 输入(Input):接收来自其他神经元或外部环境的输入信号。
- 权重(Weights):每个输入都有对应的权重,用于调节输入信号的重要性。
- 加权和(Weighted Sum):将输入信号与对应的权重相乘并求和得到加权和。
- 激活函数(Activation Function):加权和经过激活函数进行非线性变换,得到神经元的输出。
- 输出(Output):输出信号表示神经元的激活状态,可以传递给其他神经元或用于最终预测。
多层神经网络(Multilayer Neural Network):
多层神经网络是由多个神经元层组成