神经网络基础知识

感知机

感知机是一种最简单的线性二分类模型。

下图为一个感知机的基本结构。

其中,in1,in2,inn叫做感知机的输入,而out是感知机的输出,且只有0和1两个值。

在中间的圆球中:

还会有一个∑wixi和b两个参数。

Σwixi是权重参数,b是偏置参数,而这个圆球就是一个神经元。

当输入信号进入后,会与权重w相乘,得到信号的加权和之后与b进行比较,如果大于b则输出1,

否则输出0。

当输出y=1的时候为正类,y=0的时候为负类。

感知机与逻辑电路

二输入感知机有:

与门、或门。

对应C语言的逻辑与和逻辑或一样。

多层感知机

例如异或门没有办法使用一条直线进行完全正确的线性分类,这就需要用到多层感知机。

例如在异或门中用到了两个与门和一个或门。

即:"先与后或"。

两层感知机可以实现对非线性异或逻辑的区分,得到的分类线也不再是一条直线了,而是一条曲线。

逻辑回归

感知机是神经网络的基础,多层感知机与神经网络非常相似。

逻辑回归模型可以看作是感知机模型的优化,也可以看成一种最简单、最基本的神经网络模型。

阶跃函数:

g(s) =

1,s>0

0,s<=0

但是阶跃函数有一个缺点,就是在s = 0处是不可导的,无法计算梯度。

因此我们使用Sigmoid函数来将阶跃函数g(s)模型简单化。

表达式为:

Sigmoid函数特点:

s = 0:g(s) = 0.5

s > 0:g(s) > 0.5

s < 0: 0 < g(s) < 0.5

损失函数

逻辑回归模型最后经过Sigmoid函数,输出一个概率值,这个概率值反映了预测为正类的可能性,概率越大,可能性越大。

则我们用

y = P(y=1|x)

其中y表示当前样本为正类(y=1)的概率。

相关推荐
chh5637 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval7 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi8 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿8 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方8 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI9 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP9 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷9 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI10 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具