机器学习算法分类:
- 监督学习:有数据和标签
- 非监督学习:只有数据没有标签
- 半监督学习:有监督学习和非监督学习
- 强化学习:从经验中总结提升
- 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