在上一节,我们通过两个浅显易懂的例子表明,人工智能的根本目标就是在不同的数据集中找到他们的边界,依靠这条边界线,当有新的数据点到来时,只要判断这个点与边界线的相互位置就可以判断新数据点的归属。
上一节我们举得例子中,数据集可以使用一条直线区分开。但对很多问题而言,单一直线是无法把数据点区分开的,例如亦或运算, 当两数的值不同时,亦或结果为1,相同时亦或运算结果为0,我们用 oxr 标记亦或运算,那么输入是0和1时,有以下几种情况:
1 xor 0 = 10 xor 1 = 11 xor 1 = 00 xor 0 = 0
- 1
我们把输入的四种情况绘制到坐标轴上看看:
我们看到,两个绿色点属于同一集合,因为绿色点做亦或运算后结果都是1,红色点属于统一集合,因为他们做运算后结果都是0,然而面对这种情形,你根本无法用一根直线把两种集合点区分开来,你必须如上图所示,用两根直线才能区分,如果点在两根直线之间,那么他们属于同一集合,如果点处于两跟直线之外,那么他们属于另外一个集合。
如果你觉得这篇文章看起来稍微还有些吃力,或者想要系统地学习人工智能,那么推荐你去看床长人工智能教程。非常棒的大神之作,教程不仅通俗易懂,而且很风趣幽默。点击这里可以查看教程。
所谓神经网络就是由很多个神经元组成的集合,我们可以认为一个神经元用于绘制一段分割线,复杂的数据分布需要很多条形状各异的线条才能组成合理的分界线,数据分布的情况越复杂,我们就需要越多个神经元来进行运算。
深度学习的神经网络借助了生物学对脑神经系统的研究成果。