漫画版：什么是神经网络？

最新推荐文章于 2020-11-02 02:14:09 发布

qq_36696468

最新推荐文章于 2020-11-02 02:14:09 发布

阅读量351

点赞数

文章标签：神经网络人工智能深度学习机器学习

本文链接：https://blog.csdn.net/qq_36696468/article/details/105760521

版权

茉莉蜜茶only是阿里的前端程序媛，旨在做一些有意义的事情，Momomo^[1]是她的掘金号，专栏文章质量也很高，感兴趣的童鞋关注下哦~

前言

本文来自YouTube 上的一段 5 分钟的漫画版视频^[2]。这段关于“什么是神经网络”的视频对神经网络的概念进行了有趣的介绍。我们将学习神经网络中存在的不同层，并了解这些层如何处理数据。我们将了解神经网络中使用的不同参数，如权重、偏差和激活函数。我们还将了解如何使用正向传播训练神经网络，然后使用反向传播方法调整网络中的误差。本视频还涵盖了一些流行的神经网络应用。现在，让我们直接开始学习什么是神经网络。

介绍

去年夏天，我们全家去了俄罗斯，尽管我们都不会俄语，但因为 Google 能将俄语实时翻译成英语，我们的出行没有遇到任何麻烦。

这只是神经网络的应用之一，还应用于人脸识别、音乐创作等。

神经网络是深度学习的基础，深度学习是机器学习的一个子领域，其算法受人脑结构的启发而来。

神经网络通过对大量数据进行训练以识别这些数据中的特征，学习到的模型用来预测一组新的相似数据。

原理

我们来构造一个区分正方形、圆形和三角形的神经网络，以了解神经网络是如何工作的。

神经网络由一层层神经元组成，这些神经元是网络的核心处理单元。首先，我们有一个输入层（Input Layer）来接收输入，输出层（Output Layer）是我们的预测的最终输出，在它们之间存在执行我们网络所需的大多数计算的隐含层（Hidden Layers）。

这是一个圆形图像，该图像由 28 x 28 像素组成，占 784 像素。每个像素作为输入馈送到第一层的每个神经元，这一层的神经元通过通道连接到下一层的神经元。这些通道中的每个通道都分配了一个称为权重（weight）的数值，将输入乘以相应的权重，并将它们的总和作为输入发送到隐藏层中的神经元。这些神经元都有一个称为偏差(bias)的数值与之关联，将偏差添加到输入总和中。然后将此值通过称为激活函数（Activation Function）的阈值函数传递，激活函数的输出结果确定特定神经元是否将被激活。激活的神经元通过通道将数据传输到下一层的神经元。

数据以这种方式通过网络传播，这称为前向传播（Forward Propagation）。

在输出层中，具有最高值的神经元触发并确定输出，这些值基本上是一个概率值。