人工智能神经网络计算题,人工神经网络简单例题-CSDN博客

本文链接：https://blog.csdn.net/super67269/article/details/126464213

对人工智能的神经网络算法感兴趣，请问我该学哪些专业知识呢？

谷歌人工智能写作项目：爱发猫

人工智能神经网络

1.x=2.0,w=2.3,b=-3y=wx+b=1.61)硬极限就是大于0就是1，小于等于0就取0，所以答案是12)线性函数输入是多少，输出就是多少，所以答案是1.63)对数-S型函数，应该是应用sigmoid函数，y=1/(1+e^(-1.6))=0.8322.你打错字了？

把“是”打成“时”了？x=2.0,w=2.3,b=-3y=wx+b=1.61)传输函数的净输入是1.62)神经元的输出是1.6(没有给传输函数是啥，所以这个可能是没有经过传输函数的输出吧。

)3.1)6个输入，2个输出，所以有8个神经元。2)6个w，所以是6维3)采用sigmoid函数，输出就会是0和1之间的连续值了。

4)为了使网络具有更好的性能,可以提高容错性和存储容量，可以采用偏值以上答案仅供参考。第一题应该没有问题，后两题不太确定。

求人工神经网络的具体算法，数学模型，比如求一个函数最优值之类的，不要各种乱七八糟的介绍，谢谢

神经网络就像多项式或者线性模型一样，是个看不见表达式的模型，它的表达式就是网络，它比一般模型具有更高的自由度和弹性；同时它是一个典型的黑箱模型方法；比多项式等模型还黑。

优化算法，就是寻优的算法，所谓寻优过程，就是寻找使目标函数最小时（都是统一表示成寻找使函数具有最小值）的自变量的值。

回归或者拟合一个模型,例如用一个多项式模型去拟合一组数据，其本质就是寻找使残差平方和最小的参数值，这就是一个寻优的过程，其实就是寻找使函数F（x）值最小时的x的值；对于这个具体的寻找过程就涉及到算法问题，就是如何计算。

所谓算法，是数值分析的一个范畴，就是解这问题的方法；例如一个一元二次方程x^2-3x+1=0的解法，因为简单可以直接求解，也可以用牛顿逐个靠近的方法求解，也即是迭代，慢慢接近真实解，如此下去不断接近真值，要注意迭代算法是涉及算法精度的，这些迭代算法是基于计算机的，算法的初衷也是用近似的算法用一定的精度来接近真实值。

比如上面的方程也可以用遗传算法来解，可以从一些初始值最终迭代到最佳解。

神经网络在寻找网络的参数即权值的时候，也有寻找使训练效果最好的过程，这也是寻优的过程，这里涉及到了算法就是所谓的神经网络算法，这和最小二乘算法是一样的道理；例如做响应面的时候，其实就是二次回归，用最小二乘得到二次模型的参数，得到一个函数，求最大产物量就是求函数模型的最大值，怎么算呢？

顶点处如果导数为0，这个地方对应的x值就是最优的，二次模型简单可以用偏导数=0来直接解决，这过程也可以遗传算法等来解决。说到底所谓寻优的本质就是，寻找函数极值处对应的自变量的值。