Machine Learning---Neural Network

最新推荐文章于 2019-07-30 08:25:22 发布

烟蓑雨笠

最新推荐文章于 2019-07-30 08:25:22 发布

阅读量1.9k

点赞数

分类专栏： Machine Learning 文章标签： machine learning pattern recognition Neural Network

本文链接：https://blog.csdn.net/cstopcoder/article/details/42787453

版权

本文介绍了人工神经网络（ANN）的基本概念，包括其在机器学习中的作用、引入原因及解决维度灾难的能力。讨论了神经网络的结构，如输入、隐藏和输出层，并通过实例解释了前向传播算法。此外，文章探讨了多类别分类问题中的softmax激活函数，以及误差反向传播算法在学习过程中的应用。最后，提到了神经网络在MATLAB中的实现技巧和权重初始化策略。

摘要由CSDN通过智能技术生成

Machine Learning：Neural Network

一：前言

1，Wikipedia上对Neural Network的定义：

In machine learning,artificial neural networks (ANNs) are a family of statistical learning algorithms inspired by biological neural networks (thecentral nervous systems of animals, in particular thebrain) and are used to estimate or approximate functions that can depend on a large number of input sand are generally unknown. Artificial neural networks are generally presented as systems of interconnected "neurons" which can compute values from inputs, and are capable ofmachine learning as well aspattern recognition thanks to their adaptive nature.

2，为什么要引入Neural Network？

我们前面学习了回归和分类模型，然而它们的实际应用受制于数据的规模（也就是维度灾难（curse of dimensionality））。Neural Network用于处理大量输入特征是非常有优势的，例如抽取计算机视觉中图片的像素作为输入特征，那么这将得到数量巨大的输入特征集；如果仍然回归和分类模型，学习参数所需要的时间将会是不能承受的；