计算智能——神经网络

oomph_

已于 2023-11-01 15:34:51 修改

阅读量704

点赞数 4

分类专栏： machine learning 文章标签：神经网络人工智能深度学习

于 2023-07-11 15:30:01 首次发布

本文链接：https://blog.csdn.net/oomph_/article/details/131643958

版权

本文介绍了神经网络的基本原理，包括神经元结构和人工神经网络模型。详细讲述了单层感知器网络、前馈型网络、前馈内层互联网络和反馈型网络四种典型网络结构。并重点讲解了BP神经网络及其训练算法流程，包括初始化网络权重、前向传播、反向误差传播、权重和偏置调整等步骤。

摘要由CSDN通过智能技术生成

前言

神经网络是计算机算力发展到一定阶段的产物。神经网络是计算机智能的一个分支。可应用于模式识别，分类和聚类；求解最优化问题；建模与预测和控制与处理等方面。但因为神经网络受模式识别里面是否为线性识别和非线性识别影响不大。较一般的模式识别及预测方法拥有很大的优势。大量的研究开始围绕这方面开始展开。使神经网络在模式识别和预测这个方向不断发展壮大。现在有个很火的词叫机器学习，神经网络是机器学习技术的一个重要分支。

本文从神经网络的源头开始讲起，不涉及到目前最新的神经网络模型，旨在让想要学习神经网络的同学入门神经网络。一切高深的知识都是从感性认识慢慢积累上升到理性认识的。希望本篇文章对同学们迈上更高的台阶有用！

神经网络基本原理

图1 神经元示意图

我们常说的神经元，大多数情况下它长图1这个样子。现在我们不关心其他结构，只看我用红色矩形框圈住的结构。

树突就是细胞体上的像树枝一样的的结构，它主要用来接收其他神经元传过来的信号，简单记就是一接收信号的。

细胞体是处理信号的。

轴突就是上面黄色部分组成的条状结构，用来接收信息，传导信息的。

突触是每个神经元轴突末端与下一个神经元的树突组成的一个结构，把信号传个下一个神经元的。

一个成年人的大脑里约有1000亿个神经元，众多神经元组成了复杂的神经网络。科学家在对神经元和神经系统等生理学基础的研究取得了突破性进展以及对人脑的结构、组成和基本工作单元有了进一步认识之后，通过借助数学和物理方法从信息处理的角度对人脑的神经网络进行抽象建立了简化模型。我们把它称为人工神经网络（Artificial Neural Network），以下简称ANN。

对于人工神经网络的最小单元即人工神经元，可以把它视为ANN的处理单元，称为节点。用

有向加权弧将节点连接起来组成人工神经网络。其中处理单元是对神经元的模拟，有向弧是对

轴突-突触-树突的模拟，有向弧上的权重表示两个神经元之间相互作用的强弱。

如图2，输入层模拟神经元的树突接收输入信号；加权和模拟神经元的细胞体加工和处理接受到的信号；阈值函数是将加权和通过非线性函数处理之后与阈值进行比较，在人工神经元里阈值也叫神经元的偏置，模拟神经元轴突控制信号的输出；输出层模拟神经元的突触对结果进行输出。