人工神经网络(ANN)提供了一种普遍而且实际的方法从样例中学习值为实数、离散值或向量函数。人工神经网络由一系列简单的单元相互连接构成,其中每个单元有一定数量的实值输入,并产生单一的实值输出。
上面是一个汽车自动驾驶神经网络学习的例子:下方的图像是网络的输入,通过4个隐藏单元运算,得到30个输出(图的上方)决定汽车的行驶方向。
本文主要介绍两种基本单元:感知器和线性单元的权值学习。
感知器
(1)感知器原理
感知器是神经网络的一种基础单元。感知器以一个实数值作为输入,计算这些值得线性组合,如果大于某个阈值就输出1,否则输出-1。(其实就是一个符号函数)

本文介绍了人工神经网络的基础,包括感知器的工作原理、训练法则,以及线性单元与梯度下降法。此外,还讨论了多层网络和反向传播算法在解决非线性问题中的应用,最后提到了神经网络的抗噪声能力和训练特点。
最低0.47元/天 解锁文章
2067

被折叠的 条评论
为什么被折叠?



