05 神经网络(NNs)
神经网络(Neural Networks)
1、定义
神经网络是由具有适应性的 简单单元组成的 广泛并行互联的网络,它的组织能够模拟生物神经系统 对真实世界物体 所做出的交互反应。
神经网络的基本组成部分是神经元模型。
感知机——神经网络的基本组成单元
生物神经元 M-P神经元
生物神经元通过树突接受多个信号,处理加工后通过轴突输出(多输入,单输出)
M-P神经元类似,接受多个输入,加权处理之后有且只有一个输出。
感知机是由两层神经元组成,如下图,它由输入层和输出层两部分组成。输入层负责接受责信号然后将信号传递到输出层(后层)。输出层是M-P神经元
感知机(单层神经网络)
一开始的输入层只负责传输数据,并不会进行激活函数的处理。我们在计算层数的时候往往只考虑进行激活函数处理的层。所以这里是单层神经网络。(后面记得是N-1)。
单层神经网络加权计算 两层神经网络加权计算
神经网络得发展历程图,亦是我们学习得路线图
下面卡一个视频实例
https://edu.csdn.net/course/play/6094
(时间定位 6:30 --- 9:35)
2、优缺点
优点:
§ 分类的准确度高;
§ 并行分布处理能力强,分布存储及学习能力强,
§ 对噪声神经有较强的鲁棒性和容错能力,能充分逼近复杂的非线性关系;
§ 具备联想记忆的功能。
缺点:
§ 神经网络需要大量的参数,如网络拓扑结构、权值和阈值的初始值;
§ 不能观察之间的学习过程,输出结果难以解释,会影响到结果的可信度和可接受程度;
§ 学习时间过长,甚至可能达不到学习的目的。
3、应用场景
适用于数据量庞大,参数之间存在内在联系的时候。(贝叶斯的特征独立假设)
§ 图像人脸识别
§ 语音、文字识别
§ 文本到语音(转录)
§ 垃圾邮件筛选(异常情况探测)
§ 推荐系统(客户关系管理、广告技术、避免用户流失)
05 神经网络(NNs)相关推荐
- 机器学习05神经网络--表示
神经网络:表示(Neural Networks: Representation) 如今的神经网络对于许多应用来说是最先进的技术. 对于现代机器学习应用,它是最有效的技术方法. 神经网络模型是许多逻辑单 ...
- NNs(Neural Networks,神经网络)和Polynomial Regression(多项式回归)等价性之思考,以及深度模型可解释性原理研究与案例...
1. Main Point 0x1:行文框架 第二章:我们会分别介绍NNs神经网络和PR多项式回归各自的定义和应用场景. 第三章:讨论NNs和PR在数学公式上的等价性,NNs和PR是两个等价的理论方法 ...
- 机器学习 啤酒数据集_啤酒数据集上的神经网络
机器学习 啤酒数据集 Artificial neural networks (ANNs), usually simply called neural networks (NNs), are compu ...
- 神经网络计算机定义,神经网络
人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行 ...
- 神经网络记忆_带记忆的神经网络
神经网络记忆 深度学习(DEEP LEARNING) We always heard that Neural Networks (NNs)are inspired by biological neur ...
- python实现经典的3层神经网络
python实现经典的3层神经网络 作者:Student Guo 时间:2022/6/11 单位:Lanzhou University 前言 随着信息技术的快速发展,利用计算机识别手写数字节省了大量的 ...
- MLK | 一文理清 深度学习前馈神经网络
MLK,即Machine Learning Knowledge,本专栏在于对机器学习的重点知识做一次梳理,便于日后温习,内容主要来自于<百面机器学习>一书,结合自己的经验与思考做的一些总结 ...
- 论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning
论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning NDSS 2021录用文章 目录 论文学习笔记 POSEID ...
- [半监督学习] Virtual Adversarial Training: A Regularization Method for Supervised and SSL
提出一种基于虚拟对抗损失的新正则化方法, 虚拟对抗性损失被定义为每个输入数据点周围的条件标签分布对局部扰动的鲁棒性. 与对抗训练不同, VAT 方法在没有标签信息的情况下定义了对抗方向, 因此适用于半 ...
最新文章
- CDMA核心技术专利人是谁?
- 也许,这样理解 HTTPS 更容易!
- 002_SpringIOC
- 大型web系统数据缓存设计-l转载
- 千亿市场竟是蓝海——在线音乐教学产品观察
- 音视频技术开发周刊 | 187
- Spring 使用context:annotation-config的设置
- Windows XP系统安装SQL Server 2005(开发版)图解
- 单元测试代码:SpringTest+JUnit
- MySQL数据库(六) 一一 基本操作之事物和索引
- zabbix-设置邮箱预警
- 分析:云存储和电子发现的结合
- 华为手机计算机小游戏,华为手机怎么玩自带小游戏 | 手游网游页游攻略大全
- 三角形外接圆圆心公式
- 2007第一天上班想哭
- 读书笔记:《企业IT架构转型之道》
- xp如何开启系统打印服务器配置,XP系统设置打印机共享的方法有哪些
- 无线充电产业爆发点到来 概念股迎机遇
- JQ获取元素的父子兄弟级
- 我的世界-03-从小型机到个人计算机的发展简史(下)