初识人工神经网络

Posted 2021-04-26 浪潮之中

各大论坛和网站上已经有很多的介绍人工神经网络的文章了，为什么作者还要写呢？

答案很简单：只是学习笔记，记录作者的学习路径，如有理解上的错误，欢迎更正，如帮助到读者，十分荣幸！

接下来咱们开始进入正题：

什么是人工神经网络？

首先，来看一下人工神经网络和人工智能、深度学习等热门词汇的关系，这样能让我们从总体上把握这个概念，也对以后的学习有个宏观的把握！

这里我来解释一下：

机器学习：一种实现人工智能的方法。

人工神经网络：一种机器学习的算法。

人工神经网络的定义：

它由相互联系的神经元形成，这些神经元具有权重和在网络训练期间根据错误

来进行更新的偏差，目标是找到一个未知函数的近似值。(是不是有点难懂，其实作者只记住了，神经网络就是为了求函数的权重的，不晓得对不对，我们继续往下看吧)

其原理是受我们大脑的生理结构——互相交叉相连的神经元启发。

这里附上一个人工神经网络和生物神经网络单元对应图

这里呢，我们先从神经元入手吧，看看在人工神经网络中它的定义，已经做了那些事情？

神经元的功能：得到信号的输入，经过数据处理，然后给出一个结果作为输出或者作为下一个神经元的输入

通过上边那句话作者想到了一个公式：y = ax +b，输入就是x，输出就是y，原来神经元本质就是一个模型！

那神经网络就是多个模型的组合体呀！那为什么要将这么多的神经元进行组合呢?

因为神经元有个缺点：只能一刀切，也就是说只能将特征空间一切两半，认为两半分别属于两个类(如果是多分类的情况呢？是不是就不适用了呀！)。

这里我们就引入了多层神经网络，通过多个神经元对特征空间的切，就可以实现一些多分类的操作，简单理解就是一个神经元只能分类出两类(非黑即白)，如果实现多个类别的分类的时候，一个神经元就不能解决这个问题了(这样理解是不是会简单一些了)

多层神经网络(也叫前馈神经网络，多层感知机)的构成：输入层->隐藏层->输出层

这里的输入层和输出层都为一个，隐藏层是可以有多层的

让我们直观感受一下：

为了方便理解多层神经网络的工作机理，咱们再看一下个更直观的图：

接下来我们说一个很重要的概念——激活函数

激活函数用在哪呢？有什么作用呢？怎么用？

让作者来一一解答：

激活函数用在哪呢？

层与层之间的传输前都要使用激活函数进行激活处理

激活函数有什么作用呢？

为了在神经网络中引入非线性的学习和处理能力

激活函数怎么用？

先看一下常用的激活函数：

sigmoid函数

tanh函数

relu函数

我们看一下这几个激活函数的优缺点，这样我们也方便进行选择

不知道通过上面的描述你是否对神经网络有了初步的认知？

还有一个概念需要说一下，就是深度神经网络，也就是神经网络的隐藏层多于2层以后就可以称之为深度神经网络了。

你学到了么？