机器学习与神经网络(一):人工神经网络模型简介

前言:本博客大部分理论知识来源于《人工神经网络理论、设计及应用_第二版_韩力群》,如果读者想要深入学习神经网络,欢迎购买正版书籍进行相关学习!


1.什么是人工神经网络

人类的大脑包含数以亿计的神经细胞,生物学上称之为“神经元”。每个神经元有数以千计的通道与其他神经元相互连接,形成复杂的“生物神经网络”。生物神经网络以神经元作为基本信息处理单元,对接收的信息进行分布式的存储和加工,进行网络间信息的传递、加工和处理,从而完成某项特定工作。
基于对人脑神经网络的基本认识,人们以数学和物理方法以及信息处理的角度对人脑神经网络进行抽象,并建立某种简化模型,就称之为“人工神经网络”(artificial neural network,ANN)。简而言之,人工神经网络就是一种模拟人脑结构及其功能的信息处理系统。为了统一,以后文章中提到的“神经网络”一词,均指“人工神经网络”。

2.人工神经网络的基本功能

神经网络具有自学习、自组织与自适应性。神经网络的自学习是指,当外界环境(输入)发生变化时,神经网络可以经过一段时间的训练,通过对内部参数和结构的调整,使得对于给定的输入能够产生期望的输出。正是由于神经网络强大的学习能力,使得它具有以下功能:
①非线性映射
②分类与识别
③优化计算
④知识处理

3.人工神经元模型

3.1生物神经元知识基础

前面说过,人工神经网络是对人脑神经系统的一种抽象和简化模型。因为人脑神经系统是一个复杂且庞大的生物学问题,这里不做详细介绍,我们只需要了解,在生物神经元中,突触是信息输入、输出的接口,细胞体相当于一个微型的处理器,对输入信号进行组合处理,并在一定条件下触发产生输出信号,这个输出信号又可以沿着通道(轴突、树突等)进行运输,通过突触将其传向下一个神经元。下面是一个简化的神经元结构图(图片来源于参考书)


机器学习与神经网络(一):人工神经网络模型简介_第1张图片
图3.1 生物神经元结构图

3.2人工神经元模型

所谓人工神经元模型,就是用数学语言简化和抽象描述生物神经元的结构和功能,下面分别用模型图和数学公式分别介绍:

3.2.1神经元的模型图

为了方便,这里直接引用参考书中的文字描述和图形展示——我们不生产知识,我们只做知识的搬运工!

机器学习与神经网络(一):人工神经网络模型简介_第2张图片

机器学习与神经网络(一):人工神经网络模型简介_第3张图片

3.3.2神经元的数学模型

为了能够是读者更加清晰的理解神经元数学模型的建立过程,这里依然引用原文中的解释,请仔细阅读,很简单的原理。

机器学习与神经网络(一):人工神经网络模型简介_第4张图片
机器学习与神经网络(一):人工神经网络模型简介_第5张图片

综合上面的数学模型的定义,我们可以得到神经元模型为公式2.6所示。请注意一点,这里的W和X都是向量运算。还有一点,就是神经元的转移函数f(x)反映了神经元输出与其激活状态之间的关系,不同的神经网络数学模型的主要区别在于采用不同的转移函数f(x)。这里先介绍两种简单的转移函数以便理解,在后面的博文中,我们会详细介绍其他转移函数的定义和使用。

机器学习与神经网络(一):人工神经网络模型简介_第6张图片
机器学习与神经网络(一):人工神经网络模型简介_第7张图片

总结本篇博文主要介绍了人工神经网络的相关概念和人工神经元模型的建立,虽然神经元模型看起来就是一个简单的公式2.6,但是随着后面介绍的,神经网络的建立和学习规则,你会发现,神经网络的真正魅力。所以接下来会介绍神经网络的学习规则,并通过python代码进行实现!
ps:初次撰写相关博文,如有错误之处,还望见谅和指教。再次申明,本文理论知识大多引用于参考文献,见篇首。

你可能感兴趣的:(神经网络学习,机器学习,神经网络,python)