1、MP模型
Mp模型是最基础,最原始的神经网络模型。MP模型是1943年心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立的。它的主要结构如图1所示。
图1 (来源于浙江大学胡浩基老师的机器学习课程)
2、感知器算法
感知器算法是在MP模型的基础上发展来的,主要可以解决我们在上一节中提到的线性可分问题。主要的算法流程如下所示:
(1) 随机选取和;
(2) 选取一个训练样本(X,y), 对于这个训练样本作如下判断:
if ,
if ,
(3) 选取下一个训练样本(X,y), 回到步骤(2);
(4) 直至所有的训练样本都不满足步骤(2)中的两个条件,则结束循环。
3、多层神经网络
之前的感知机算法不能解决线性不可分问题,为了更好的解决这一问题,人们提出了多层神经网。
上图证明了多层神经网络中非线性映射函数的重要性,在神经网络中主要使用阶跃函数。
但是在实际应用中,往往模型的结构是未知且参数也是未知的。网络的设计也是在长期的实践中得出来的经验,主要有以下两个准则:
A. 如果问题是简单的,神经网络的层数与每层神经元的个数都可以适当减小;如果问题是复杂的,神经网络需要的层数与每层神经元的个数也可以适当增加;