人工神经网络-在ANN上测试你的技能的25个问题

介绍

人工神经网络是受人类神经元工作启发的计算系统。它是深度学习的支柱，在几乎所有领域取得了更大的里程碑，从而带来了我们解决问题的进化。

因此，每个有抱负的数据科学家和机器学习工程师都必须对这些神经网络有很好的了解。

在本文中，我们将讨论有关人工神经网络 (ANN) 的最重要问题，这有助于让你清楚地了解这些技术，以及数据科学访谈，其中涵盖了从非常基础的层面到复杂概念。

1. 感知器是什么意思？

感知器也称为**人工神经元，**是一种神经网络单元，它执行某些计算以检测特征。

它是一个单层神经网络，用作线性分类器，同时处理一组输入数据。由于感知器使用已经标记的分类数据点，因此它是一种监督学习算法。该算法用于使神经元一次一个地学习和处理训练集中的元素。

2. 感知器有哪些不同类型？

有两种类型的感知器：

1. 单层感知器

单层感知器只能学习线性可分离的模式。

2. 多层感知器

多层感知器，也称为具有两层或多层的**前馈神经网络，**具有更高的处理能力。

3. 损失函数有什么用？

损失函数用作准确性的度量，以识别我们的神经网络是否在训练数据的帮助下准确地学习了模式。

这是通过将训练数据与测试数据进行比较来完成的。

因此，损失函数被认为是衡量神经网络性能的主要指标。在深度学习中，性能良好的神经网络在训练发生时始终具有较低的损失函数值。

4. 激活函数在神经网络中的作用是什么？

在神经网络中使用激活函数的原因如下：

1. 激活函数背后的思想是将非线性引入神经网络，使其能够学习更复杂的函数。

2. 没有激活函数，神经网络表现为线性分类器，学习输入数据的线性组合函数。

3. 激活函数将输入转换为输出。

4. 激活函数负责决定一个神经元是否应该被激活，即是否被激发。

5. 为了做出决定，它首先计算加权和，并进一步添加偏差。

6. 因此，激活函数的基本目的是将非线性引入神经元的输出。

5. 列出神经网络中使用的一些流行的激活函数的名称。

构建深度学习模型时使用的一些流行的激活函数如下：

• Sigmoid 函数

• 双曲正切函数

• 整流线性单元 (RELU) 函数

• Leaky  RELU 函数

• 最大输出函数

• 指数线性单元 (ELU) 函数

6. 成本函数是什么意思？

在构建深度学习模型时，我们的整个目标是最小化成本函数。

成本函数解释了神经网络对其给定训练数据和预期输出的表现如何。

它可能取决于神经网络参数，例如权重和偏差。总的来说，它提供了神经网络的性能。

7. 反向传播是什么意思？

反向传播算法用于训练多层感知器。它将错误信息从网络末端传播到网络内部的所有权重。它允许有效计算梯度或导数。

反向传播可以分为以下几个步骤：

• 它可以通过网络转发训练数据的传播以生成输出。

• 它使用目标值和输出值通过考虑输出激活来计算误差导数。

• 它可以反向传播以计算关于前一层输出激活的误差的导数ÿ