神经网络是由一系列层次化的,对变量线性组合后又执行非线性变换的函数构建的数学模型,能对任意复杂的数学模型进行精度非常高的逼近。
通过神经网络,能够模拟诸多复杂的人脑活动,如图像识别,模式识别,语言理解,空间感知等。
神经网络结构是对人脑神经元结构的一种简单模仿,网络中的节点相当于人脑中的神经元,连接节点的权重相当于神经元之间突触的连接强度。
MP模型的数学原理:输入向量为:x=(x_1,x_2,\cdots,x_n) ,每个输入信号都有一个权值或权重,权重向量为w=(w_1,w_2,\cdots,w_n) ,加权和为 h=\sum_{i=1}^nw_ix_i,写成线性代数中的内积形式: h=\bar{w}\cdot \bar{x},当h>0时,神经元处于激活状态,反之为抑制状态。
o=g(w\cdot x)=g(h)=\begin{cases}1 & h>0\\0 &h\leq 0\end{cases}
本质上是一个分类器,分类界面为超平面。
1957年由康奈尔大学的罗森布拉特提出了单层感知机模型,称为神经网络中的“Hello World”。仅有输入层和输出层构成,网络的输入和输出数量是由外部问题所确定的。
https://jngz5cdomo.feishu.cn/docx/doxcnqDYp1gzIXGManON6Km5EEe
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。