学习周志华老师《机器学习》西瓜书第五章 神经网络 摘要及笔记。
神经元模型
神经网络是当今火热的深度学习的基石,M-P神经元模型沿用至今:
Sigmoid函数成为激活函数中应用较为广泛的神经元处理算法,多个神经元按一定的层次结构相连就得到了神经网络。
感知机与多层神经网络
两层神经元组成感知机,只有一层功能神经元,学习能力有限,只能解决线性可分的问题。若要解决非线性可分的问题,则需要多层功能神经元,输出层与输入层之间的神经元,称之为隐层,每层神经元之间不存在同层连接,也存在跨层连接的神经网络结构通常称为“多层前馈神经网络”。
误差逆传播算法
误差逆传播算法,也称反向传播算法,是多层神经网络学习算法的代表,其不仅可以用于前馈神经网络,也可以用于如递归神经网络的其它神经网络。BP算法基于梯度下降策略,以目标负梯度方向对参数做调整。
标准BP算法每次仅针对一个训练样例更新连接权重和阈值,为达到累积误差极小点,BP算法需要进行多次迭代,读取训练集一遍称为进行了“一轮”(one epoch)学习。已经证明,只要隐层足够多,多层前馈网络就能以任意精度逼近任意复杂度的连续函数。由于其能力强大,一般通过早停法与正则化来缓解过拟合问题。