1.简述人工神经网络定义。
人工神经网络简称神经网络(NN),是基于生物学中神经网络的基本原理,在理解和抽象了人脑结构和外界刺激响应机制后,以网络拓扑知识为理论基础,模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。
人工神经网络从信息处理角度,抽象了人脑神经元网络,模拟神经元信息处理机制,建立起一个简单的模型,模型之间按照不同的连接方式组成不同的网络。从基本的功能来说,人工神经网络与生物意义上的神经网络是基本相似的。
2.简述神经网络架构。
一般的神经网络是层级结构,每层神经元与下一层神经元相互连接,同层神经元及跨层神经元之间相互连接,每层神经元的输出作为下一层神经元的输入,这种网络被称为前馈神经网络。多层神经网络中除了输入层,每个神经元都是一个多输入单输出信息处理单元。
3.简述误差逆传播算法。
逆误差传播(BP)的反馈机制:输入层将数据传入隐藏层,隐藏层通过数据之间的联系强度(权重)和传递规则(激活函数)将数据传到输出层。输出层处理传入数据,得到一个输出结果。若实际输出和期望不符,则比较两者得到一个误差。再利用误差对网络进行逆推,对网络中的连接权重进行反馈修正,从而完成整个学习。
BP的学习规则:使用最速下降法(即梯度下降法),通过反向传播不断调整网络的权值和阈值,获得网络的最小误差平方和(正向传播的输出值与样例值的差的平方和),从而找到最接近正确结果的权值和偏置。
4.大数据与深度学习之间有什么样的关系?
随着CPU和GPU计算能力的大幅提升,深度学习拥有了更高效的硬件平台作为支