请选择 进入手机版 | 继续访问电脑版

热点推荐

查看: 23|回复: 0

神经网络算法-蛙课网

[复制链接]
  • TA的每日心情
    奋斗
    2 小时前
  • 签到天数: 36 天

    [LV.5]常住居民I

    64

    主题

    95

    帖子

    961

    积分

    高级会员

    Rank: 4

    积分
    961
    发表于 2020-9-14 17:20:38 | 显示全部楼层 |阅读模式

    神经网络算法属于逻辑思维能力较强的一种高级计算机算法,一般使用的是人工神经网络(Artificial Neural Networks),可以应用于模式识别、信号处理、专家系统、优化组合、机器人控制等方面,属于现在现在很火的人工智能(Artificial Intelligence)的一个分支。

    逻辑性的思维是指根据逻辑规则进行推理的过程;它先将信息化成概念,并用符号表示,然后,根据符号运算按串行模式进行逻辑推理;这一过程可以写成串行的指令,让计算机执行。然而,直观性的思维是将分布式存储的信息综合起来,结果是忽然间产生的想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布存储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

    神经网络由一下几个部分组成:

    输入层(input layer),隐含层(Hidden layer),输出层(output layer)

    神经网络的特点:

    1、每层由单元(units)组成

    2、输入层是有训练集的实例特征向量传入

    3、经过连接接点的权重(weight)传入下一层,一层的输出是下一层的输入

    4、隐含层的个数可以是任意的,输入层有一层,输出层有一层

    5、每个单元也可以称之为神经结点,根据生物学来源定义

    6、以上成为两层的神经网络,输入层是不算在里面的

    7、一层中加权求和,然后根据非线性方程转化输出

    8、作为多层向前神经网络,理论上,如果有足够的隐含层和足够的训练集,可以模拟出任何方程

    人工神经网络实际上就是模拟人思维的第二种方式。这是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。人工神经网络是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单,但大量神经元组合产生的系统行为却非常复杂。

    人工神经网络反映了人脑功能的若干基本特性,但并非生物系统的逼真描述,只是某种模仿、简化和抽象。与数字计算机比较,人工神经网络在构成原理和功能特点等方面更加接近人脑,它不是按给定的程序一步一步地执行运算,而是能够自身适应环境、总结规律、完成某种运算、识别或过程控制。

    人工神经网络的基本结构模仿人脑,具有并行处理特征,可以大大提高工作速度。神经网络既可以用来做分类(classification)问题,也可以解决回归(regression)问题。

    神经网络算法中最著名的算法就是BP算法,BP(Back Propagation)算法又称为误差反向传播算法,是人工神经网络中的一种监督式的学习算法。它是通过迭代性来处理训练集中的实例,对比经过神经网络后,输人层预测值与真实值之间的误差,再通过反向法(从输出层=>隐含层=>输入层)以最小化误差来更新每个连接的权重。BP 神经网络算法在理论上可以逼近任意函数,基本的结构由非线性变化单元组成,具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定,灵活性很大,在优化、信号处理与模式识别、智能控制、故障诊断等许多领域都有着广泛的应用前景。

    神经网络算法作为一种高级的算法,学习起来的难度也是超乎我们的想象的,本文只是对其进行一个简单的介绍。我们只是浅尝辄止,并没有深入下去,也没有深入讲下去的勇气,因为短时间内真的很难理解。想要深入学习的小伙伴除了做好查阅资料的准备还要做好打一场持久的攻坚战的准备,当然,你也可以在本站中查看相关的java学习课程让自己更快速地掌握这门高深的技术同时为自己查漏补缺。


    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    快速回复 返回顶部 返回列表