1、神经元模型
神经网络模型是近年来最火的机器学习算法,不仅在CV、NLP、语音处理等领域应用较多,在社会科学、管理科学、机器人等多学科交叉领域有广泛的应用。神经网络模型最基本的模型是多层感知机模型,该模型在上个世纪八九是年代就已经出现,但是由于当时计算机处理能力有限,在机器学习方面应用有限。
神经网络中最基本的模型是神经元(neuron)模型,神经元接收来自N个其他神经元的信号,通过带权重的连接进行传递。神经元接收的输入与神经元阈值进行比较,通过激活函数进行输出。
激活函数是神经元的重要的组成,常见的激活函数有sigmoid函数,tanh函数等。
2、感知机与多层网络
感知机由两层神经元组成,输入层和输出层,没有中间层。也成为M-P神经元。感知机可以实现与、或、非逻辑运算。
对于给定训练集,和权重 和阈值,感知机权重调整方式为:
为学习率。
3、误差传播算法
误差传播算法是神经网络模型的核心与关键,基本思路是模型的Loss通过反向传播,对权重进行调整,实现模型的训练。