每天十分钟机器学习之二十:神经网络的基础

众所周知,神经网络模型的诞生是根据大脑中的神经元的工作原理而来,其实神经网络的学习过程和人的学习过程是一样的,回想一下我们是如何从众多图片中选出哪些是车的,不就是我们之前看了很多车的图片,知道了这些图片具备哪些特征,当在看到新的图片时,根据这些特征就能区分是不是车了,神经网络的学习和这个原理是一模一样。

如下图,简单说一下大脑神经元的结构,大脑中每一个神经元都可以被认为是一个处理单元/神经核,它含有许多输入/树突,并且有一个输出/轴突,神经网络是大量神经元相互链接并通过电脉冲来交流的一个网络。

神经网络模型建立在很多神经元之上,下图是一个以逻辑回归模型作为自身学习模型的神经元示例,在神经网络中,参数又可被成为权重。

我们设计出了类似于神经元的神经网络,效果如下:

其中x1,x2,x3是输入单元,我们将原始数据输入给它们,也就是我们通常说的输入层。a1,a2,a3是中间单元,它们负责将数据进行处理,然后呈递到下一层,也就是我们通常说的隐藏层。最后是输出单元,它负责计算hθ(x),也就是我们通常说的输出层。

神经网络模型是许多逻辑单元按照不同层级组织起来的网络,每一层的输出变量都是下一层的输入变量。下图为一个3层的神经网络,第一层成为输入层,最后一层称为输出层,中间一层成为隐藏层。我们为每一层都增加一个偏差单位。

下面引入一些标记法来帮助描述模型:

以上就是神经网络的主要基础知识。

祝您的机器学习之旅愉快!

本文参考资料:斯坦福吴恩达老师的机器学习讲义,图片直接来自讲义;

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181212G14AHL00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券