机器学习问与答（五）：神经网络学习

问题一：

什么类型的问题是逻辑与、逻辑或、逻辑非、逻辑异或？为什么前三个是线性可分，最后一个是非线性可分？
1 “!”(逻辑非)、“&&”(逻辑与)、“||”(逻辑或)是三种逻辑运算符。
2 “逻辑与”相当于生活中说的“并且”，就是两个条件都同时成立的情况下“逻辑与”的运算结果才为“真”。
3 “逻辑或”相当于生活中的“或者”，当两个条件中有任一个条件满足，“逻辑或”的运算结果就为“真”。
4 ”逻辑非“就是指本来值的反。
5.“逻辑异或”：如果a、b两个值不相同，则异或结果为1。如果a、b两个值相同，异或结果为0。异或的数学符号为“⊕”，计算机符号为“xor”。其运算法则为：a⊕b = (¬a ∧ b) ∨ (a ∧¬b)。英文为exclusive OR，或缩写成xor。

线性可分：在二维平面内可以找到一条线将其划分开
线性不可分：在二维平面内找不到一条线将其划分开

问题二：

Boltzmann机是什么？受限的Boltzmann机是什么？
Boltzmann机概念见：https://zhuanlan.zhihu.com/p/34201655
受限的Boltzmann机概念见：https://zhuanlan.zhihu.com/p/43670547

问题三：

有哪几种卷积滤波器？怎样理解卷积滤波器的概念？

查卷积滤波器的概念看的有点昏，这个时候拆词大法好！先把这个难懂的词拆开看！

卷积：
https://www.zhihu.com/question/22298352/answer/228543288
这个回答比较通俗易懂，对我这种数学极差的小伙伴很受用…

滤波：
滤波操作就是图像对应像素与卷积滤波器的乘积之和。

自己画一个例子试试看：

这是利用滤波器计算原始图像左上角那部分3x3图像的例子，滤波器以步长为1的速度移动，最后会生成一个3x3的图像。
https://zhuanlan.zhihu.com/p/87763131
这个知乎文章是介绍各种类型的卷积核。
另外上图中卷积滤波器中的值，应该就相当于各类算子，比如Sobel算子、Laplace算子、Canny算子等。

问题四：
为什么说神经网络学习的过程是“黑箱”？

知乎还真有这个问题，网址在此：https://www.zhihu.com/question/263672028/answer/430179912

看了看，大概有两层意思，一层是现在的人不断的改进神经网络，有时候效果会出奇的好，就是因为“出奇”，所以目前也解释不了为什么这样改进后效果居然会这么好。由此而说神经网络学习的过程是“黑箱”。其实基本上就是现在理论更不上实践。
另一层意思就是给神经网络一堆数据去训练，得到最后的结果。但是人为地无法解释这个数据到底是经过了什么样的训练，以及为什么神经网络选择这样训练数据。比如给神经网络一张图片去训练，人为很难解释到底神经网络提取到了什么样的特征，在哪里提取到了这个特征去判别这张图片。（图片的这个问题目前好像可以通过隐含层可视化解决）
总之，肯定一直有学者在尝试解释这些原因，相信对于神经网络“黑箱”的可解释性的进展也是历史发展进程中的必然。

问题五
还有哪些神经网络？介绍一下？

https://blog.csdn.net/qq_35082030/article/details/73368962?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2

这篇介绍了很多种神经网络，还有一些神经网络中的基本概念解释。