【公众号文章】——机器学习必知的8大神经网络架构和原理

参考文章链接：
https://mp.weixin.qq.com/s/K1XPNmNFgSQ6q70EX3EsfQ

---

引言

1、为什么需要机器学习？

当遇到一些实际问题时，往往对该问题进行直接编码有一定的难度，人类无法处理所有的细节和简单编码。因此，将处理细节的方法教授给计算机，让计算机代替人类来处理这些过程就显得很有必要，这便是机器学习的过程。而机器学习算法就是由人类将总结的机制信息利用编码形式的表现。

我们向机器学习算法提供大量数据，让算法不断探索、了解数据内容，从而让机器代替人脑解决编码复杂、构建数据模型来不知疲倦地处理海量数据。

机器学习没有为每个特定的任务编写相应的程序，而是收集大量事例，为给定输入指定正确输出。算法利用这些事例产生程序。该程序与手写程序不同，可能包含数百万的数据量，也适用于新事例以及训练过的数据。

机器学习的应用如下：
模式识别：识别实际场景的面部或表情、语言识别。
识别异常：信用卡交易顺序异常，核电厂传感器读数模式异常。
预测：未来股价或货币汇率，个人观影喜好。

---

2、什么是神经网络

神经网络是一种通用机器学习模型，是一套特定的算法集，在机器学习领域掀起了一场变革，本身就是普通函数的逼近，可以应用到任何机器学习输入到输出的复杂映射问题。简单而言，神经网络就是类比人类大脑地认知机制，利用复杂的网络层化结构将输入数据经过不同层次的特征判别，从而得出结果，如所属分类类别等。

一般来说，神经网络架构可分为3类：
前馈神经网络（Feedforward Neural Network）：是最常见的类型，第一层为输入，最后一层为输出。如果有多个隐藏层（Hiden Layer），则称为深度神经网络（Deep Neural Networks）。它能够计算出一系列事件间相似转变的变化，每层神经元的活动是下一层的非线性函数。