|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
什么是人工神经网络(ANNs)？
P8 e2 N/ y. V" Q }* Q, z在机器学习和认知科学，artificial neural networks(ANNs)是启发自生物神经网络的一种统计学习模型。ANNs可以利用大量的数据来估计和近似函数。通常我们把它看成是一个黑箱子。% ?" ^% ]: B! o3 z
' y' ^# X3 A, ]1 h1 o1 z人工神经元模型
7 I1 A3 f1 b) \0 Q' Z
/ `/ X9 X# S: j9 X% i' r. U
2 N& s" S5 \4 X h8 r8 m* ^ @5 a- M
其中 X X X为输入的向量； W W W为权重变量； θ \theta θ是偏执值； n e t net net为 x , w x,w x,w向量的内积减 θ \theta θ; f ( ⋅ ) f(\cdot) f(⋅)是激活函数。
4 y8 \- h6 s% ~
# [& t4 P) H( G! Y
" @$ Z3 m; B" ~. _1 Z' m" | m+ n& I- n1 h4 K$ `: Y7 \" h; K; ?
神经网络概述
& F# a" o. ^# J9 H7 C按连接方式：前向神经网络 vs. 反馈神经网络
+ Q) v b! a6 ^9 i按学习方式：监督学习神经网络 vs. 无监督神经网络* A2 J4 S3 ~) g* E0 D" ?: I
按实现功能：拟合（回归）神经网络 vs. 分类神经网络
- n9 M, i! D! ^' T6 V9 }7 x2 Q6 @6 \* f: i9 j5 ~
BP神经网络
- }: W7 O$ M* e) f( dBP算法是教授人工神经网络如何执行给定任务的一种常用方法。
) _; h6 @+ U& u/ k2 GBP神经网络是一种监督学习方法，它需要知道或能够计算出训练集中任何输入的期望输出。
}- d' e0 c( ?; ]反向传播要求人工神经元使用的激活函数是可微的。
; j) ?9 Q: o, @+ V- a算法：
3 a$ F _$ H8 Z* m4 K5 P I第一阶段：传播
Q& j1 ]# f: [: o8 ~. X8 A
* G8 m" h" X7 L3 U+ n+ \前向传播：9 Z6 X/ M- |5 ~" Y+ U2 ~( Z
6 T1 M/ m8 d1 B% E& K! B5 o3 \9 f
- K; `, X6 g& {) c7 L1 ~
Z3 j* B* r3 l# f+ G
0 X4 E9 S" k/ ?8 `) [/ `. r9 L* O
$ A4 T* z% Q [3 o: h8 M
! j5 o! `2 K+ ]7 O
1 J+ o' Y R0 i( j9 n- H2 {/ `& d3 T! u" p; i* h2 Z2 W
- B8 j+ t/ r# H6 E% ~
* l* F* h6 C) c, W: i7 ]2 W: A( c% d) U/ `
* K, j4 T0 J- N* u, i% i- R, C9 v g- L, x
/ ?0 o5 @3 Y# x8 e1 M
! T& X* L% L$ t
m: m. V6 \' ~/ g" U反向传播：
' i3 J; }0 {0 g3 m2 f0 ~& T6 L4 X3 [$ M
: G8 v2 p$ Y6 W6 P4 y, C2 O
2 A3 a( r$ a- b
* L8 Y. r$ B( x3 W0 G! a6 N
6 W+ H9 ]# E. q9 Q# J
$ @9 P$ ?) ^ J1 A$ z
4 f6 K" I3 X# q. Q' s5 d+ a9 d
c6 A, f( Z M% N' o5 r1 w
7 h7 r6 b/ v6 x
- ~" t8 x4 J; }* v2 Z- l5 h
" K% h# S; c# w! w) }0 R
2 Z! q* W- g7 D- h' N
|
|
/1 
发表于 2021-7-15 10:57
收藏
淘帖
支持！
反对！
