1.5 有时候一个分类器不足以求解问题
本节列举了布尔类型的三个函数:AND、OR、XOR,通过最后一个与前两者的对比引出了使用多个分类器对其进行划分。XOR即二者相同为假,反之为真。注意此处至少有两个输入。
1.6 神经元--------大自然的计算机器
可以看出,本节把人脑比作大自然的计算机器,通过对人脑的信号处理的分析,来演化出神经网络编程这一模型。这一看似高大上的叫法,实则经不起推敲,不免让人觉得多少有点牵强附会。虽然这一比喻属实不太稳妥,但是对于初学者来说可以更好地理解"多层神经网络"这一模型。事实上,这一模型更像是被一个个函数连接起来的"人体蜈蚣"(此处的比喻颇为恶心,前方绕行),或者说是有向图,图的节点是函数且边有权重罢了。
1.7 在神经网络中追踪信号
本节实际是对1.6理论知识的补充,通过1.7的实际操作可以更好地理解1.6。
1.8 凭心而论,矩阵乘法大有用途
矩阵的基础运算这里不再赘述。在矩阵乘法的基础上,找到神经网络运算的规律,利用编程工具就可简化算法,降低编程复 杂程度。X=W·I 这个公式是本节的核心.其中W代表的是权重的矩阵,即有向边的值。I是输入值(即当前有向边发出者节点的 值)的矩阵。两者相乘的结果就是下一个运算过程的输入值。
1.9 使用矩阵乘法的三层神经网络示例₁₂₃
W₁,₂的解释:矩阵中第一列第二行对应节点从1到2之间的权重。 此处除了输入层以外,其它层都要先进行X=W·I 的运算,再进行O=sigmoid(X)的运算,即把输出的值带进公式,求得的值作为下一个节点的输入值。
写博客的原因一来是想加深自己对知识的理解,二来是想可以帮助到一起学习网络编程的人。希望正好阅读本书又同样看到了这篇博客的有缘人与我探讨神经网络编程的学习心得。