不久之前参加了华为的调参大赛,虽然惨败而归,但是也学到了很多东西,也实现了很多算法,比如LSTM和单纯性,我把实现放在之后的博客中。下面介绍下深度学习的基础——全连接神经网络(Full Connected Network)。
1. 神经单元
神经元是一种感知器,神经网络由许多感知器组成,组成神经网络的几种主要单元包括简单感知器、线性感知器和sigmoid感知器等,下面介绍下简单感知器。
感知器以一个实数向量作为输入,计算各个输入元素的线性组合,然后把结果输入一个符号函数(或者阶跃函数)其中每一个wi是一个实数,叫做权值(weight),用来决定输入xi对感知器的贡献率,符号函数:
可以把感知器看作是n维空间中的超平面决策面,对超平面一侧的实例输出1,对于另一侧的实例输出-1,决策面方程为W*X=0,事实上有些样例集合不能被任一超平面分割,而那些可以被分割的称为可分样例集合(linearly separable)。单独的感知器只能表示些布尔函数和一些可简单二分的集合,真正强大的地方是大量感知器单元组成的多层网络。