关于自适应的线性模型与神经网络非线性模型的一些理解:

Posted 小怼研学路

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关于自适应的线性模型与神经网络非线性模型的一些理解:相关的知识,希望对你有一定的参考价值。

自适应、信号估计等都是建立的线性模型,好处是可以在数学上做很严谨的分析,所以你可以看到自适应它背后是有一套完备的数学理论的。但缺点是这种简单线性模型只适用于比较简单的任务。
       而我们慢慢的想要处理比较复杂的任务,此时线性已经不能满足了,所以我们想引入非线性。但是非线性模型在数学上得到闭式解是很困难的,所以对于神经网络,我们并没有很严格的数学分析,对其理解也微乎其微,它更多的对我们来说类似一个“玄学”。

       但我们之所以能够把它用得这么好,是因为反向传播算法的提出, 这种链式求导法则不需要闭式表达式,为嵌套的非线性函数的优化提供了可能,这使得我们在不清楚其复杂的数学原理的情况下也能够使用它。
       所以说,反向传播算法是沟通我们与非线性的一道桥梁,但正因为其本质是复合函数的链式求导法则,所以是具有一定局限性的,它只能使用在神经网络这种级联形的模型结构上。

以上是关于关于自适应的线性模型与神经网络非线性模型的一些理解:的主要内容,如果未能解决你的问题,请参考以下文章

关于代理模型的一些理解

[GPT] 序列模型分类及其模型方案选择

吴恩达机器学习_62非线性假设/63神经元与大脑/6465模型展示/6870例子与直觉理解

python机器学习——自适应线性神经元

违反线性回归假定条件时的处理

解释机器学习模型的一些方法——理解复杂的机器学习模型