1、神经元
神经元是构成神经网络的基本模块,神经元模型是一个具有加权输入,并且使用激活功能产生输出信号的基础计算单元,输入可以类比为生物神经元的树突,输出可以类比为生物神经元的轴突,计算则可以类比为细胞核。
1.1 神经元权重
线性回归中输入的权重与回归方程中使用的系数非常相似。
1.2 激活函数
激活函数是加权输入与神经元的简单映射。被称为激活函数,是因为它控制神经激活的阈值和输出信号的强度。
激活函数有以下一些性质:
- 非线性:
- 可微性:
- 单调性:
- 输出值的范围:
2.神经网络
2.1 输入层
从数据集中获取输入的层叫做输入层。
2.2 隐藏层
输入层之后的称为隐含层,可以构建非常深的神经网络,深度学习是指神经网络中有很多隐含层。
2.3 输出层
最后的隐含层称为输出层。负责输出与项目问题所需格式相对应的值或向量。
3 训练神经网络
3.1 准备数据
略
3.2 随机梯度下降算法
略
3.3 权重更新
动量:
学习率衰减:
3.4 预测新数据
略