机器学习初步知识以及神经网络理解

机器学习算法分类：

1. 监督学习：有数据和标签
2. 非监督学习：只有数据没有标签
3. 半监督学习：有监督学习和非监督学习
4. 强化学习：从经验中总结提升
5. 遗传算法：和强化学习类似，有着适者生存，不适者淘汰准则

人工神经网络VS生物神经网络

我想让神经网络学着帮我做这件动动手的事情. 所以我预先准备好非常多吃糖的学习数据, 然后将这些数据一次次放入这套人工神经网络系统中, 糖的信号会通过这套系统传递到手. 然后通过对比这次信号传递后, 手的动作是不是”讨糖”动作, 来修改人工神经网络当中的神经元强度. 这种修改在专业术语中叫做”误差反向传递”, 也可以看作是再一次将传过来的信号传回去, 看看这个负责传递信号神经元对于”讨糖”的动作到底有没有贡献, 让它好好反思与改正, 争取下次做出更好的贡献

人工神经网络靠的是正向和反向传播来更新神经元, 从而形成一个好的神经系统, 本质上, 这是一个能让计算机处理和优化的数学模型. 而生物神经网络是通过刺激, 产生新的联结, 让信号能够通过新的联结传递而形成反馈. 

神经网络：

数学模型或计算机模型

通过数据得到最后结果，根据结果来调整参数，即改变神经元