博学谷 > 资讯 > 人工智能 > 小白学习神经网络入门讲解

原创 小白学习神经网络入门讲解

发布时间:2019-12-09 16:43:46 浏览 221 来源:博学谷 作者:照照

    当下大热的人工智能技术的核心技术,其实就是机器学习,而神经网络就是模仿人脑处理方式的一种机器学习算法。因此想要了解人工智能,首要条件就是理解什么是神经网络。它是人工智能的底层模型,许多复杂的应用和高级模型都基于此。本文将用小白都能理解的话,为大家深入浅出的讲解神经网络的运作过程,让大家都能轻松入门神经网络的学习。

     

    小白学习神经网络入门

     

    一、感知器

     

    历史上,科学家一直希望模拟人的大脑,造出可以思考的机器。人为什么能够思考?科学家发现,原因在于人体的神经网络。外部刺激通过神经末梢,转化为电信号,转导到神经细胞(又叫神经元)。想要入门学习神经网络,神经网络是绕不开的重点。无数神经元构成神经中枢。神经中枢综合各种信号,做出判断。人体根据神经中枢的指令,对外部刺激做出反应。

     

    既然思考的基础是神经元,如果能够"人造神经元"(artificial neuron),就能组成人工神经网络,模拟思考。上个世纪六十年代,提出了最早的"人造神经元"模型,叫做"感知器"(perceptron),直到今天还在用。这里举个小白都能看懂的感知器例子:城里正在举办一年一度的游戏动漫展览,小明拿不定主意,周末要不要去参观。他决定考虑三个因素。天气:周末是否晴天?同伴:能否找到人一起去?价格:门票是否可承受?这就构成一个感知器。上面三个因素就是外部输入,最后的决定就是感知器的输出。如果三个因素都是 Yes(使用1表示),输出就是1(去参观);如果都是 No(使用0表示),输出就是0(不去参观)。

     

    二、权重和阈值

     

    看到这里,你肯定会问:如果某些因素成立,另一些因素不成立,输出是什么?比如,周末是好天气,门票也不贵,但是小明找不到同伴,他还要不要去参观呢?现实中,各种因素很少具有同等重要性:某些因素是决定性因素,另一些因素是次要因素。因此,可以给这些因素指定权重(weight),代表它们不同的重要性。

     

    天气:权重为8;同伴:权重为4;价格:权重为4。上面的权重表示,天气是决定性因素,同伴和价格都是次要因素。如果三个因素都为1,它们乘以权重的总和就是 8 + 4 + 4 = 16。如果天气和价格因素为1,同伴因素为0,总和就变为 8 + 0 + 4 = 12。这时,还需要指定一个阈值(threshold)。如果总和大于阈值,感知器输出1,否则输出0。假定阈值为8,那么 12 > 8,小明决定去参观。阈值的高低代表了意愿的强烈,阈值越低就表示越想去,越高就越不想去。

     

    三、决策模型

     

    单个的感知器构成了一个简单的决策模型,已经可以拿来用了。真实世界中,实际的决策模型则要复杂得多,是由多个感知器组成的多层网络。下图中,底层感知器接收外部输入,做出判断以后,再发出信号,作为上层感知器的输入,直至得到最后的结果。注意:感知器的输出依然只有一个,但是可以发送给多个目标。

     

    小白学习神经网络入门

     

    四、神经网络的运作过程

     

    一个神经网络的搭建,需要满足三个条件。其中,最困难的部分就是确定权重(w)和阈值(b)。目前为止,这两个值都是主观给出的,但现实中很难估计它们的值,必需有一种方法,可以找出答案。这种方法就是试错法。其他参数都不变,w(或b)的微小变动,记作Δw(或Δb),然后观察输出有什么变化。不断重复这个过程,直至得到对应最精确输出的那组w和b,就是我们要的值。这个过程称为模型的训练。输入和输出、权重(w)和阈值(b)和多层感知器的结构。

     

    因此,神经网络的运作过程如下。确定输入和输出;找到一种或多种算法,可以从输入得到输出;找到一组已知答案的数据集,用来训练模型,估算w和b一旦新的数据产生,输入模型,就可以得到结果,同时对w和b进行校正。可以看到,整个过程需要海量计算。所以,神经网络直到最近这几年才有实用价值,而且一般的 CPU 还不行,要使用专门为机器学习定制的 GPU 来计算。

     

    以上就是小白学习神经网络入门的全部讲解,大家都明白了吗?想必大家对于人工智能的核心技术神经网络,已经有了一定的理解。当然这只是入门神经网络的小小一角,想要深入学习神经网络和人工智能的跟多内容,可以上博学谷官网观看线上的学习视频。

上一篇:AI换脸技术原理分析 下一篇:AI技术在爱奇艺中的实战应用解析

相关推荐 更多

最新文章

扫描二维码,了解更多信息