神经元模型
神经网络中最基本的成分是神经元模型,
“M-P神经元模型”:神经元收到来自n个其他神经元传递过来的输入信号,这些输入信号通过带权重的链接进行传递,神经元接收到的总输入值将与神经元的阈值进行比较,然后通过激活函数处理。
感知机
感知机是由两层神经元组成,输入层接收到输入信号之后传递给输出层,输出层是“M-P神经元模型”,亦称为“阈值逻辑单元”。
- 感知机学习算法
使用的是随机梯度下降法
神经网络
要解决非线性可分问题,就要使用多层神经网络模型
关于损失函数:
分类:交叉熵损失函数
回归:均方误差
- BP算法
基于随机梯度下降的参数更新算法
由于NN(x)通常是极其复杂的非凸函数,不具备像凸函数这种良好的数学性质,更多情况下走到的是局部极小值点