神经网络的6个基本模型
感知机(Perceptron)
1.它是最简单的神经网络。
2.它有两层【输入层+输出层】
没有隐藏层,不能执行过复杂的任务
参考:https://zhuanlan.zhihu.com/p/49191769
多层感知机(MPL)
完全连接网络,每一个神经元都连接到相邻层中的所有神经元。
具有更高的处理能力
也容易出现过拟合
处理过拟合:提前终止、添加缀学层(参考)、添加正则化
卷积神经网络(CNN)
作用:通常用来做计算机视觉识别,如面部识别、人脸检测、物体识别、手写信件识别、医疗诊断等-灵感来源是人类的视觉皮层。
参考【传送门】
明白为什么叫卷积:对图像(不同的数据窗口数据)和滤波矩阵(一组固定的权重:因为每个神经元的权重固定,所以又可以看做一个恒定的滤波器filter)做 内积(逐个元素相乘再求和)的操作就是所谓的『卷积』操作,也是卷积神经网络的名字来源。
【传送门】
循环神经网络(RNN)
定义:一类以序列(sequence)数据为输入,在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络
应用:RNN对具有序列特性的数据非常有效,它能挖掘数据中的时序信息以及语义信息,利用了RNN的这种能力,使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析(股票预测)等NLP领域的问题时有所突破。
【参考】
长期短期记忆网络(LSTM)
学习具有长期性,我们的神经网络也需要记忆功能。LSTM是RNN的一个特例,但不具有重复模块。
在异常检测、语音识别、文本总结和视频分类中应用。
越写越看不懂了【传送门】
生成对抗网络(GNN)
打扰了
【参考】
参考资料:
https://zhuanlan.zhihu.com/p/49191769
https://blog.csdn.net/weixin_38498942/article/details/107834397
https://zhuanlan.zhihu.com/p/95158245
https://blog.csdn.net/nicajonh/article/details/53142449
https://zhuanlan.zhihu.com/p/32085405
https://blog.csdn.net/u013139259/article/details/52729191