神经网络基础
1.浅层神经网络
一、生物神经元与神经网络相关的部分
1.每个神经元都是一个多输入单输出的信息处理单元;
2.神经元具有空间整合和时间整合特性;
3.神经元输入分兴奋性输入和抑制性输入两种类型;
4.神经元具有阈值特性。
二、M-P神经元(对生物神经元的抽象和简化)
三、激活函数
1.为什么需要激活函数?
·神经元继续传递信息、产生新连接的概率(超过阈值被激活,但不一定传递)
·没有激活函数相当于矩阵相乘:多层和一层一样,只能拟合线性函数
2.常见的激活函数举例:
·S性函数(sigmoid) (早期应用,容易饱和,输出不对称)
饱和区问题:当输入太大或太小时,斜率非常小
·双极S性函数(tanh)
·ReLU修正线性单元 (最大值,解决饱和区问题,输入为负不会得到正值)
·Leaky ReLU
四、单层感知器
·M-P神经元的权重预先设置,无法学习
·单层感知器是首个可以学习的人工神经网络
单层感知器怎么实现逻辑功能?举例
1.逻辑非的实现
2.逻辑或
3.逻辑与
单层感知器能实现一些简单与非或问题,但是非线性问题呢?(如异或)
单层->多层感知器(可以证明单层感知器无法解决异或问题)
可以将异或问题转化为简单的逻辑电路问题,既可以通过多层感知器来解决这个问题。