深度学习03-神经网络01-什么是神经网络?

神经网络的基本概念

  1. 人工神经网络(Artificial Neural Network,ANN)

    • 是一种模仿生物神经网络的计算模型。由多个神经元(或称为节点)组成,这些节点通过不同的连接来传递信息。

    • 每个神经元可以接收来自其他神经元的信息,经过加权和激活函数的处理后,再将信息传递到下一个神经元。

神经元的结构

在人工神经网络中,每个神经元都通过公式来处理输入信息并生成输出。神经元的核心组成部分包括:

  • 输入(Input):来自前一层的输入数据。

  • 加权求和 :每个输入都会乘以一个权重(w),加上偏置项(b)。

  • 激活函数(Activation Function):对加权和的结果进行非线性变换,使得模型能够处理复杂的非线性关系。常见的激活函数包括 Sigmoid、ReLU 和 Tanh。

  • 输出(Output):经过激活函数处理后的值,作为传递到下一层的输入。

公式表达: 其中,(x_i) 是输入,(w_i) 是权重,(b) 是偏置项,激活函数 (f(x)) 用来引入非线性。

神经网络的层次结构

  1. 输入层(Input Layer)

    • 输入层的神经元接收外界输入数据。这些数据可以是图像的像素值、文本的词向量等。输入层本身不做任何处理,只是将输入信息传递到下一个层。
  2. 隐藏层(Hidden Layer)

    • 隐藏层是神经网络的中间层,它负责对输入数据进行复杂的特征提取。一个神经网络可以包含多个隐藏层,每个隐藏层都对前一层的输出进行处理。

    • 每个隐藏层的神经元通过权重与前一层的神经元连接,并使用激活函数将线性变换结果转化为非线性输出。

  3. 输出层(Output Layer)

    • 输出层的神经元数量取决于任务类型,例如,回归任务可能只有一个输出节点,而分类任务则有多个输出节点,表示不同的类别。

    • 输出层的输出经过处理后用于做出最终的预测。

全连接神经网络(Fully Connected Neural Network)

我们可以看到一个全连接神经网络的结构示意图:

  • 全连接(Fully Connected):在全连接网络中,当前层的每个神经元都会与下一层的每个神经元进行连接。这意味着每个神经元的输出都会影响下一层所有神经元的输入。

  • 层与层之间的连接:输入层连接到隐藏层,隐藏层再连接到输出层。每一层的输出都作为下一层的输入。

特点:

  1. 前向传播:信息从输入层经过隐藏层逐层传递到输出层。

    • 输入层 -> 隐藏层 -> 输出层。
  2. 每一层之间的全连接:每个神经元都会通过特定的权重连接到下一层的所有神经元,称为全连接层。

  3. 激活函数的作用:隐藏层中通常会使用激活函数引入非线性,使得网络能够学习到复杂的映射关系。

  4. 权重和偏置:每个神经元的输出都取决于输入、权重和偏置,通过反向传播和梯度下降,神经网络会调整这些参数以最小化损失函数。

可以使用这个进行跳转链接到谷歌的神经网络可视化网站

http://playground.tensorflow.org/#activation=relu&batchSize=11&dataset=spiral&regDataset=reg-gauss&learningRate=0.01&regularizationRate=0.1&noise=0&networkShape=7,5,4,3,2&seed=0.54477&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

从一个神经网络看,这里就是两部分是我们人关注的,第一部分是我们如何进行权重参数的初始化, 第二部分我们怎么选择激活函数。

架构决定了,同一层一般是使用同一个非线性激活函数

相关推荐
说私域5 分钟前
基于开源AI智能名片链动2+1模式的S2B2C商城小程序:门店私域流量与视频号直播融合的生态创新研究
人工智能·小程序·开源
Ronin-Lotus7 分钟前
深度学习篇---Yolov系列
人工智能·深度学习
爱学习的茄子8 分钟前
AI驱动的单词学习应用:从图片识别到语音合成的完整实现
前端·深度学习·react.js
静心问道36 分钟前
GoT:超越思维链:语言模型中的有效思维图推理
人工智能·计算机视觉·语言模型
aneasystone本尊1 小时前
学习 Claude Code 的工具使用(三)
人工智能
szxinmai主板定制专家1 小时前
【精密测量】基于ARM+FPGA的多路光栅信号采集方案
服务器·arm开发·人工智能·嵌入式硬件·fpga开发
T__TIII1 小时前
Dify 自定义插件
人工智能·github
快起来别睡了1 小时前
LangChain 介绍及使用指南:从“会聊天”到“能干活”的 AI 应用开发工具
人工智能
AI数据皮皮侠2 小时前
中国区域10m空间分辨率楼高数据集(全国/分省/分市/免费数据)
大数据·人工智能·机器学习·分类·业界资讯
静心问道2 小时前
大语言模型能够理解并可以通过情绪刺激进行增强
人工智能·语言模型·大模型