一、机器学习
机器学习:让机器(广义上的计算机)通过学习来获得类似人类的智能。例如:人类会下围棋,AlphaGo或AlphaGo Zero就是一个掌握了围棋知识、会下围棋的计算机程序。
神经网络:实现机器学习任务的一种算法/数学模型。(机器学习领域的神经网络,特指人工神经网络)其网络结构类似于生物神经系统,用来模拟生物与自然环境之间的交互。
二、神经网络
神经网络的基本组成结构为神经元。
1.MP模型
2.神经网络
神经网络训练的步骤:
<一>训练。
- 在神经网络中随机初始化权重
- 我们将第一-组输入值发送给神经网络,使其传播通过网络并得到输出值。
- 我们将输出值和期望的输出值进行比较,并使用成本函数计算误差。
- 我们将误差传播回网络,并根据这些信息设置权重。
- 对于训练集中的每个输入值, 重复2至4的步骤。(对比预测答案和真实答案的差别,从错误中学习经验,把差别反向传播过去,对每个神经元像正确的方向上改动一点点,那么下次识别,通过所有改进的神经网络,正确率便会提高,每一次一点点,累加上千万次训练,向正确方向逼近。)
- 当整个训练集都发送给了神经网络,我们就完成了一个epoch, 之后重复多次epochs。
<二>测试网络
使用测试集测试训练好的网络