人工神经网络（ANN）及BP算法

                                   

      

1  什么是神经网络

1.1 基本结构

说明：

1. 通常一个神经网络由一个input layer，多个hidden layer和一个output layer构成。
2. 图中圆圈可以视为一个神经元（又可以称为感知器）
3. 设计神经网络的重要工作是设计hidden layer，及神经元之间的权重
4. 添加少量隐层获得浅层神经网络SNN；隐层很多时就是深层神经网络DNN

1.2 从逻辑回归到神经元

LinearRegression模型：

sigmoid函数：

LR可以理解为如下结构：

所以逻辑回归是一个单层感知器（没有隐层）结构。

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。

2 为什么需要神经网络

首先，神经网络应用在分类问题中效果很好。  工业界中分类问题居多。
LR或者linear SVM更适用线性分割。如果数据非线性可分（现实生活中多是非线性的），LR通常需要靠特征工程做特征映射，增加高斯项或者组合项；SVM需要选择核。