Make Your Own Neural Network
构建你自己的神经网络
作者：lz0499
声明：
1）Make Your Own Neural Network翻译自Tariq Rashid编写的神经网络入门书籍。作者的目的是尽可能的少用术语和高深的数学知识，以图文并茂的方式讲解神经网络是如何工作的。任何拥有高中数学水平的人就能够理解神经网络的工作方式。强烈推荐初学者以这本书作为神经网络入门书籍。
2）本文仅供学术交流，非商用。翻译的初衷是一边翻译一边加深对神经网络的理解。
3）由于刚刚接触神经网络这方面的知识，翻译过程中难免有些错误。若发现错误，还请各位前辈指正。谢谢！
4）由于工作原因，我将有选择的按照原文的章节不定期的进行翻译更新。
5）此属于第一版本，若有错误，还需继续修正与增删。
目录：
第一部分：神经网络是如何工作的
我们之前做的简单的预测器和分类器，能够获取输入数据，经过一系列计算，得到一个输出结果。从当前情况来说，结果还算不错。但是对于一些更具挑战性的问题，这种预测器和分类器可能就无能无力了，这个时候我们希望神经网络能够解决这些问题。
我们将以一个简单的例子说明线性分类器的局限。我们为什么要这么做呢？而不直接讨论神经网络的种种？因为只有理解了神经网络的局限，我们才能更好的设计神经网络。这是值得花点时间学习的。
首先我们从布尔逻辑函数开始。乔治布尔是一名数学家和哲学家。数学历史上以他的名字命名了一系列诸如AND（与函数）、OR(或函数)等布尔逻辑函数。
布尔逻辑函数像一种语言或者说是一种思维方式。例如：如果我说“只有当你吃完了你的青菜，AND你依旧还觉得饿，你才能吃你的甜食”。只有当两种情况下都是真的，布尔函数AND才是真。任何一个条件为假，其结果都是假的。所以，如果我饿了，但是我们有吃完青菜，那么我是不能吃甜食的。
类似的，如果我们说“在周末或者年休假的时候，你可以在公园里玩耍”。我们使用逻辑或函数。只要有一个条件为真，那逻辑或函数即为真。所以，虽然不是在周末，但是我正好休年假，那么我也是可以去公园里玩耍的。
让我们在仔细观察上述的逻辑函数，我们可以认为他们是一个黑盒子，输入一些数据，进行运算，最终输出答案。布尔逻辑函数一般有两个输入，一个输出。
计算机中一般用1代表真，用0代表假。下表中，展示了逻辑与和逻辑或函数的真值表。
输入A | 输入B | 逻辑与 | 逻辑或 |
0 | 0 | 0 | 0 |
0 | 1 | 0 | 1 |
1 | 0 | 0 | 1 |
1 | 1 | 1 | 1 |
从真值表中我们可以明显的看出，只有当输入A和输入B都为真的时候，逻辑与函数才输出真；只要输入A和输入B中有一个为真，逻辑或函数就输出为真。
如下图所示，以A和B两个输入值为坐标，输入到逻辑与函数中。图中只有输入值都是1时，输出才为真，并用绿色圆圈表示，输出为假用红色表圆圈示。
从图中我们可以看到，一条直线把红色圆圈和绿色圆圈分隔开了。这条直线就像我们之前学习的分类器直线一样。
让我们用同样的方法画出或函数的图例。
这次只有点（0,0）是红色的，因为输入A和B都为假。A和B的其他组合都为真。从图中我们可以看出，线性分类器也是可以从逻辑或函数中得到。
此外，还有一种异或函数（XOR）,其真值表如下所示：
输入A | 输入B | 异或（XOR） |
0 | 0 | 0 |
0 | 1 | 1 |
1 | 0 | 1 |
1 | 1 | 0 |
按照之前的方式，我们画出异或逻辑函数的图例：
挑战来了。我们似乎不能有一条直线把绿点和红点分割开来。也就是说，我们不能从异或函数中学习得到简单的线性分类器。
我们刚刚揭示了简单的线性分类器的局限性。如果一个分类问题并不能用一条直线进行分类，那么简单的线性分类器是不能解决这个分类问题的。
我们想利用神经网络解决简单线性分类器不能解决的问题！
怎么办是好！！
我们做些改进。如果一个简单的线性分类器不能解决分类问题，那么我们用两个简单的线性分类器，或者我们使用多个线性分类器组合在一起，解决问题。这就是神经网络的核心思想。以异或逻辑函数为例：
上图中，我们用两个分类直线，把红点和绿点区分开来了。
在我们利用多个分类器构建我们的神经网络之前，让我们暂时回顾下动物大脑中的神经网络是如何运行的。
扫一扫
3051
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
