6.神经网络学习

---

1、神经网络是什么？

  神经网络起源于生物学中的神经原，一般在机器学习里研究的神经网络被称为人工神经网络，与生物神经网络区分开来。

  一个简单的神经网络模型如图所示，其中，这个模型分为三层，第一层是输入层，最后一层是输出层，中间的都是隐藏层。每一层都有一个偏置神经元，这个偏置神经元发挥了常数的作用。中间链接的黑线是输入通道，每个神经元通过输入通道输入到下一个神经元。从第二层开始，每一个神经元都有一个计算函数，从前一层神经元通往这里的数据都会汇总计算，并输入到下一层。
  具体计算式如上图所示，其中每个θ是在输入通道中的系数。
  以一个简单的例子解释神经网络：用神经网络构造逻辑与计算器。在这个例子中，每一个输入系数都会通过输入通道叠加到输出层。输出层的计算函数是sigmoid函数，这个函数可以辨别计算结果的正负性，并对应输出0和1，利用下图模型的输入通道参数就实现了与逻辑器的功能。

2、多元分类

  上文提到的神经网络模型用于解决单分类问题。那用于多元分类的神经网络是如何工作的呢？

  多元分类可以采用有多个输出的神经网络。比如说上图中识别行人，车，摩托，卡车四种图片，可以使得输出序列有四种不同的排列组合【比如行人是（1,0,0,0）,车是(0,1,0,0)等】，用以识别分类后的结果，这样就可以分出多种结果。

总结

  本章初学神经网络模型及其相关知识。