研一的生活即将接入尾声,对学校的路一清二楚,对食堂的饭菜了如指掌,对商店的零食失去了期待……这些都意味着自己已经从研究生新生蜕变成老生了,在学习上,少了几分焦虑,多了些稳重。很久没更新博客了,但是每天都会习惯性的打开博客看下,因为每天都会有惊喜,或是一个新的粉丝、或是一个肯定的赞、又或是一条交流的评论。我们就这样,隔着屏幕,不认识彼此,但是与您共勉!
下周即将迎来大汇报,想把最近临时抱佛脚学的知识好好梳理一下,嘻嘻
一、神经网络
定义:仿照人脑神经元的结构和工作原理而构建,是一个由节点连接而成的网。输入通常是图片、字符或者声音。
如上图所示,人的大脑是由细胞体和很多突触组成,能够处理电信号,传到它们该去的地方。
而在上图的神经网络中,节点是神经元,用来存储数字。神经突触就是有权重的连接,决定了数字将如何改变以及传递给哪些神经元。
神经网络识别物体
以人识别苹果为例:
(1)视网膜接收到了光线,将它转化为电信号
(2)神经元从中找出颜色、方向、边缘、材质等信息
(3)大脑给出苹果的答案
神经网络识别物体过程如下:
(1)输入层就像视网膜,将图像转化为网络可以理解的内容,如每个像素的灰度
(2)隐含层的每一层试图认出一部分特征
(3)经过一系列计算,输出层得出苹果的答案
二、神经网络的变种网络
1. 图神经网络GNN
1.1 GNN的定义
将神经网络的输入由图片换成图
1.2 图的定义
图是由节点和边组成,节点代表实体,包含了他们的属性,边则描述了实体之间的关系
图能表示的内容很广泛,大到社交网络中人与人之间的关系,小到化学分子的结构组成,现实世界中的地铁网络,包含器件布线的电路图,都可以是GNN的计算对象。
1.3 GNN的应用
将重点放到节点上,可以预测社交网络中用户的标签,判断用户是否为恶意账户