神经网络：R语言实现：第一篇

Posted 2021-04-18 新统杂谈

        首先更正一个错误，在核及非参数核回归中提到的两处参数的说法其实是系数和其表达式。

        神经网络方法，是模仿动物的中枢神经系统的结构和功能的数学模型或计算模型。神经网络的处理过程主要通过激活函数来实现。没有激活函数，神经网络的工作原理就和线性函数一样，但是它处理的恰恰是非线性和复杂的问题。而线性修正单元函数是是神经网络首选的激活函数。

        神经网络基本概念，以及，比较影响因素的相对重要性，以及根据输出变量输入变量的值构建网络，预测输出变量值。可以看出，输入层，隐含层，输出层，在输入层，有权重，以及，B1,B2的偏差。输入数据后根据输出误差进行权重的调整，所以有初始权重，迭代权重，最终输出权重。可以看出，在图中，input直接连接的箭头是最终权重，蓝色是最终偏差。

         同时通过对结果的发现，预测值和真实值惊人的相似，在输入信息及其少的情况下，能够有这么高的预测效果是很惊人的。