文章目录
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。