你好,游客 登录 注册 发布搜索
背景:
阅读新闻

干货 | 一文看懂系列之理解神经网络

[日期:2016-12-28] 来源:新智元  作者: [字体: ]

  【导读】无数文章都在大谈人工智能之热门,人工智能将带来下一场革命,人人都为此兴奋。但对开发者来说,人工智能热意味着什么呢?意味着新的机会、新的挑战,以及学习新事物的激动人心的新旅程。这篇文章适合任何想要开始了解 ANN 以及TensorFlow之类的框架的人。

  我们的大脑由数十亿个神经元组成,它们彼此相连接,是控制我们的思维和所有日常行为的重要部分。你可能会注意到神经元细胞的主要部分是细胞体,然后还有一个部分叫轴突(axon),样子有点像一根电线,但它连接着与细胞体相隔有一段距离的一组突触(synapses)。当神经元被激发时,它会将一个峰形的电脉冲沿着轴突传至它的突触,信息在这里发生传递。所以它们很像某种计算单元,非常的复杂。

  所以人工神经网络很像一种卡通版本的神经元以及神经元网络,我们实际上是把它们放在一次来计算各种东西。它们的设计方式有一个好处是,它们可以被调整或改变,以在不同的条件下计算不同的东西,并且可以通过学习过程来训练。

  这是人工神经网络的示意图。

  我们把X1,X2 ... Xn作为神经元的输入,实际上相当于激发的强度或速率。

  W1,W2 ... Wn是权重,相当于对触发的敏感性(sensitivity)。

  Y是输出。

  Xi·Wi的求和被称为激活(activation)。然后我们看这个值是否大于或等于触发阈值(θ),如果是,那么输出为1,如果不是,输出为0。这种网络称为感知机(Perceptron)。它们是单层的,输出是二进制的。

  那么怎么用二进制输出表示空间?我们需要获得输出为0的区域和输出为1的区域。

  举个例子:

  令 W1 = 1/2 ; W2 = 1/2 ; θ = 3/4

  当 X1 = 0 时,

  X2 * 1/2 = 3/4

  X2 = 3/2,即1.5

  这意味着,如果X1为零,那么X2需要有一个值,以便打破3/4的阈值。

  在1.5这个分割点以上的任何值,都将打破阈值并返回到1。也就是说,上图绿色点以上的任何值将返回1,绿色点以下的任何值将返回0。

  类似地:

  当 X2 = 0 时,

  X1 * 1/2 = 3/4

  X1 = 3/2,即1.5

  现在,我们应该能注意到这里的关系。它是线性的。

  感知机的计算机制与这个完全相同,这被称为半平面(half plane)。线上方的平面是1的答案,线下方平面是0的答案。

  有趣的地方是,因为值是0和1,可以有多种可能性。可能性包括:AND、OR、NOT和XOR。

  AND

  得到线上面的结果的情况只有当X1和X2都为真值(True)时,这是AND的情况。

  OR

  当X1或X2为1时,输出为1,否则为0。

  NOT

  这是简单地翻转输出值的情况,当输入为1,则输出变为0,反之亦然。

  XOR

  XOR的情况不是线性可分的,所以不能用单感知机来表示这个函数(如在NOT中)。但是在网络中添加一个层可以表达XOR。

 

  本文中,我们讨论了最基本的ANN类型(即感知机)及其可执行的运算。我们手动设置权重,然后计算输出,但这不是一个真正的神经网络的工作方式。它们通过训练自己计算权重,这些将在后面的文章讨论。

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款