规则学习网络

Posted 2020-12-20 gxxtsz

如下图：是规则学习网络的基本单元——判别器，它接受输入，判断是否输出以及输出的大小。

判别器的最基本的意义是：它代表了一个事物，由输入决定，每个输入都有一个权重，代表这个输入对判别这个事物的影响大小。所以权重的和值应该为1.而输出就是判别这个事物为真的概率。

由于一个判别器的输出是另一个判别器的输入，所以每个判别器的输入输出都大于零小于等于1.

我们可以给判别器设置阈值，以减小网络的计算量。

由于一些判别器的判别建立在另外一些判别器的基础上，所以多个判别器单元可以组成一个大的判别器，多个大的判别器可以组合成更大的判别器。

 

 

规则学习网络是模拟人类大脑的，而对于这种网络或者人类大脑来说，普通的数学计算也建立在判别器的规则之上，所以它没有用计算机直接计算快，但是它或许可以调用计算机，就像人类使用计算机进行计算。

规则学习网络和传统的神经网络各有优缺点。规则学习网络适用于学习人类规则。而传统的神经网络是用于学习宇宙规则。但是规则学习网络可以使用传统的神经网络，就像人类利用计算机和数学探索宇宙一样。