神经网络博大精深
BP神经网络算法就是一个非常神奇的算法,它的美丽就在于它的反向传播,就在于它可以学习,要有足够的数据,它就会越来越强大它就像是模仿人类的神经元,不不不,应该是在模仿某些不会思考的动物的神经元,虽然现在只能模仿几层,但是就是特别像不过学习率的设置应该还要调整一下,调整成前面学习快,后面慢慢学习速度慢这样才行。为什么不像人类呢,我感觉人类的大脑中还有一些更加神奇的神经元,正是由它们的存在让人类区别于一般动物,好奇这些东西是什么样子,我们是不是也可以利用计算机将它们模拟出来,如果有,如果模拟出来人工智能必然会上升一个台阶。
神经网络算法概述
神经网络的特点
1.模拟人类神经元。
2.具有自学习,自组织,较好的容错性,优良的非线性逼近。
3.8、9成的人工神经网络采用误差反向传播。
它每次根据训练得到的结果与预想结果进行误差分析,进而修改权值和阈值,一步一步得到能输出和预想结果一致的模型。
神经网络的应用
在人工神经网络的实际应用中,绝大部分的神经网络模型都采用BP网络及其变化形式。它也是前向网络的核心部分,体现了人工神经网络的精华。