前向神经网络和 BP 算法详解
一、神经网络的概念详解
1.1、人工神经网络的基础单元 — > 感知机
1.1.1、感知机模型讲解
- 首先我们需要明确一点就是,针对于拥有核函数的 SVM 或者多隐层 + 激活函数的多层神经网络,或者其他可以处理非线性可分的模型来说,感知机我们常称为神经元,但也可以看成是两层的神经网络( 即只有输入层和输出层,没有隐层 ),虽然它只能处理线性可分问题,但它依然是我们学习神经网络和深度学习的基石。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eE7bRv1q-1575646479418)(https://www.neuraldesigner.com/images/blog/neuron_model.png?imageMogr2/format/jpg/quality/90)]
- 图中对应的符号含义如下:
- 输入(x1 ,…,xn)
- 偏移b 和 突触权重(w1 ,…,wn),注意,我们下面推到是使用 θ i