人工神经网络:
人工神经网络:是由人工神经元互连组成的网络,它是从微观结构和功能对人脑的抽象化,是模拟人工智能的重要途经,反映了人脑的主要功能,如并行记忆,学习,联想,模式分类等。
生物神经元与人工神经元:
生物神经元:生物上,神经元为神经细胞,是神经系统结构和功能的基本单位。
人工神经元:计算机上 ,人工神经元主要由线性函数和激活函数组成:
线性函数:f(X,W,b) =WX+b
激活函数:Relu,sigmod等
人工神经网络结构:
人工神经网络主要包括输入层,隐藏层和输出层。
感知器:单层神经网络主要应用在二分类线性问题,无法解决XOR等非线性数据问题。
全连接神经网络:
单个感知器只能表达线性数据,把多个感知器进行联合起来,就可以表达种类繁多的非线性曲面。
前向传播:
1.输入信号从输入层到输出层,
2.对于每个神经元:
计算上层输入的加权平均值:y' = WX+b
计算激活函数值:y = f(y')
最后输出:模型预测值(f(x,y))
反向传播算法:
1.误差反向传播算法使用链式求导把输出层的误差反向传播给网络,使神经网络的权重有了简单的梯度计算实现方法。
2.步骤:
将损失函数反向传播给每个计算单元。
每个计算单元根据误差更新权重。