原文:Learn the Math for Feedforward Neural Networks
作者:Pranjut Gogoi
译者:聂震坤
审校:屠敏
如果你刚开始学习前馈神经网络,先了解其背后的数学原理则可以让以后事半功倍。
本文中笔者将在实践中深度探讨人工智能神经网络(ANN)技术。通常为了解决以一个问题,ANN 会拥有不同的层次,关于需要多少分层来解决一个特定问题则是另一个话题,将不在本篇中赘述。
作为一个程序员,应该比任何人都要更了解代码,无论看到什么样的代码都应该可以快速做出反应。因此,程序员可以直接从代码中来学习 ANN。然而,在开始了解 ANN 算法之前,了解算法背后的数学可以加快理解的速度。所以,在看代码之前,先关注代码背后的数学。尽管 ANN 有多种架构,我们先从下图的这一种前馈神经网络开始。
如图不难看出,此网络有3层:输入层,隐藏层,输出层。在输入层,我们有输入 X1, X2, …. Xn. 在中间和隐藏层我们有他的输出 Y1, Y2, Y3。我们将输出目标作为 , , …。同理,不同的神经元具有不同的比重,我们可以并将其命名为 X11 至 Yh1 之间的 W11;X1 至 Yh2 之间的 W12;X1 至 Yh3 之间的 W13,以此类推。我们也为输出层神经元做了类似的工作。这里要注意的一个重要事情是,ANN 是基于实值,离散值和向量值输入的。
下表是对上述内容的简单总结。如果你是新手,则强烈建议你看完他们。
- Inputs = X1, X2, X3
- Hidden outputs = Yh1, Yh2, Yh3
- Putputs = Y1, Y2, Y3
- Targeted outputs = Ŷ1, Ŷ2, Ŷ3
- Weights to Yh1 = W11, W12, W13
- Weights to Yh2 = W21, W22, W23
- Weights to Yh3 = W31, W32, W33
- Weights to Y1 = W41, W42, W43
- Weights to Y2 = W51, W52, W53
- Weights to Y3 = W61, W62, W63
现在,我们的准备工作已经完成,可以开始应用在神经网络上了。每一个神经元都有自己的激活方程,比如 f(x)=sigmoid(x)。激活方程将需要一个参数。我们的第一步便是为这个激活方程创建一个输入,通过将比重乘输入值来实现。公式如下:
- XWh1 = X1.W11 + X2. W21 + X3. W31
- XWh2 = X1.W12 + X2. W22 + X3. W32
- XWh3 = X1.W13 + X2. W23 + X3. W33
隐藏层的输出则为:
- Yh1 = sigmoid(XWh1)
- Yh2 = sigmoid(XWh2)
- Yh3 = sigmoid(XWh3)
隐藏层的输出值变成了输出层的输入值,并且与刚刚一样乘以比重。因此,过程应该如下:
- YhWo1= Yh1.W41+Yh2.W51+Yh3.W61
- YhWo2= Yh1.W42+Yh2.W52+Yh3.W62
- YhWo3= Yh1.W43+Yh2.W53+Yh3.W63
输出层的最终输出结果为:
- Y1 = sigmoid(YhWo1)
- Y2 = sigmoid(YhWo2)
- Y3 = sigmoid(YhWo3)
如果你刚开始学习神经网络,并且不了解什么是 Sigmoid 方程。下面附上其公式:
我们可以用 ANN 的各种激活方程来解决不同的问题。但简而言之, Sigmoid 函数在放在图上时会产生 S 形曲线。当神经网络的输入值是实值并可微分时,我们使用 Sigmoid 方程,因为我们可以很容易的找到他的梯度。
如果应用上文中所涉及的知识点,那么神经网络则应该已经准备就绪了。
由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将于 7 月 22-23 日在杭州召开。作为中国国内高规格、规模空前的人工智能大会,本次大会由中国科学院院士、中国人工智能学会副理事长谭铁牛,阿里巴巴技术委员会主席王坚,香港科技大学计算机系主任、AAAI Fellow 杨强,蚂蚁金服副总裁、首席数据科学家漆远,南京大学教授、AAAI Fellow 周志华共同甄选出在人工智能领域本年度海内外最值得关注的学术与研发进展,汇聚了超过 40 位顶级人工智能专家,带来 9 场权威主题报告,以及“语言智能与应用论坛”、“智能金融论坛”、“人工智能科学与艺术论坛”、“人工智能青年论坛”4 大专题论坛,届时将有超过 2000 位人工智能专业人士参与。
目前,大会 8 折优惠门票正在火热发售中,扫描下方图片中的二维码或直接点击链接火速抢票。
![]()