神經網絡(Neural Networks)
1、定義
神經網絡是由具有適應性的 簡單單元組成的 廣泛並行互聯的網絡,它的組織能夠模擬生物神經系統 對真實世界物體 所做出的交互反應。
神經網絡的基本組成部分是神經元模型。
感知機——神經網絡的基本組成單元
生物神經元 M-P神經元
生物神經元通過樹突接受多個信號,處理加工後通過軸突輸出(多輸入,單輸出)
M-P神經元類似,接受多個輸入,加權處理之後有且只有一個輸出。
感知機是由兩層神經元組成,如下圖,它由輸入層和輸出層兩部分組成。輸入層負責接受責信號然後將信號傳遞到輸出層(後層)。輸出層是M-P神經元
感知機(單層神經網絡)
一開始的輸入層只負責傳輸數據,並不會進行激活函數的處理。我們在計算層數的時候往往只考慮進行激活函數處理的層。所以這裏是單層神經網絡。(後面記得是N-1)。
單層神經網絡加權計算 兩層神經網絡加權計算
神經網絡得發展歷程圖,亦是我們學習得路線圖
下面卡一個視頻實例
https://edu.csdn.net/course/play/6094
(時間定位 6:30 --- 9:35)
2、優缺點
優點:
§ 分類的準確度高;
§ 並行分佈處理能力強,分佈存儲及學習能力強,
§ 對噪聲神經有較強的魯棒性和容錯能力,能充分逼近複雜的非線性關係;
§ 具備聯想記憶的功能。
缺點:
§ 神經網絡需要大量的參數,如網絡拓撲結構、權值和閾值的初始值;
§ 不能觀察之間的學習過程,輸出結果難以解釋,會影響到結果的可信度和可接受程度;
§ 學習時間過長,甚至可能達不到學習的目的。
3、應用場景
適用於數據量龐大,參數之間存在內在聯繫的時候。(貝葉斯的特徵獨立假設)
§ 圖像人臉識別
§ 語音、文字識別
§ 文本到語音(轉錄)
§ 垃圾郵件篩選(異常情況探測)
§ 推薦系統(客戶關係管理、廣告技術、避免用戶流失)