[python] 深度学习基础------人工神经网络实现鸢尾花分类(一)
人工神经网络实现鸢尾花分类(一)
人工神经网络实现鸢尾花分类(二)
人工神经网络实现鸢尾花分类(三)
人工神经网络实现鸢尾花分类(四)
人工神经网络实现鸢尾花分类(五)
目录
人工智能主流是连结主义
人工智能主要有三个学派
行为主义：
符号主义
连结主义
理解：基于连结主义的神经网的设计过程
人工神经网络的形成过程：
步骤：
举例理解：
下一篇文章会讲解具体的实现过程
人工智能主流是连结主义
人工智能主要有三个学派
行为主义：
行为主义是基于控制论的，是在构建感知、动作的控制系统。
理解行为主义有个很好的例子：就是让机器人单脚站立，通过感知要摔倒的方向，控制两只手的动作，保持身体的平衡，这就构建了一个感知、动作的控制系统，是典型的行为主义。
符号主义
符号主义是基于算数逻辑的，是基于表达式的，求解问题时，先把问题描述为表达式，在求解表达式如果你在求解某个问题时，可以用条件语句和若干计算公式描述出来，这就使用了符号主义的方法。
符号主义可以认为是用公式描述的人工智能，它让计算机具备了理性思维，但是我们人类，不仅具备理性思维，还具备感性思维（举例理解：你看过的B站视频，下次再看就会感觉熟悉）
连结主义
连结主义就是在模拟人的这种感性思维，仿造我们人脑内的神经元连接关系。
单个神经元张图给出了人脑中的一根神经元，左侧这些是神经元的输入，右边是神经元的输出，人脑就是由很多这样的神经元首尾相接组成的网络。搭建人工神经网络可以让计算机具备感性思维。
理解：基于连结主义的神经网的设计过程
这张图给出了人类从出生到成年神经网络的变化，随着我们的成长，大量的数据通过视觉、听觉涌入大脑，使我们的神经网络连接，也就是这些神经元连接线上的权重发生了变化，有些线上的权重增强了，有些线上的权重减弱了。
那我们人工神经网络图就可以这样表示：
人工神经网络的形成过程：
步骤：
准备数据：采集大量“特征/标签”数据
搭建网络：搭建神经网络结构
优化参数：训练网络获取最佳参数（反传）
应用网络：将网络保存为模型，输入新数据， 输出分类或预测结果（前传）
我们要用计算机仿出刚刚说的神经网络连接关系，让计算机具备感性思维。
首先需要准备数据，数据量越大越好，要构成特征和标签对（如果想识别猫，就要有大量猫的图片和这张图片是猫的标签，构成特征标签对）然后搭建神经网络的网络结构，再后通过反向传播，优化连接权重，直到模型的识别准确率达到要求，得到最优的连线权重，把这个权重模型保存起来，最后，用保存的模型输入从未见过的新数据，它会通过前向传播，输出概率值，概率值最大的一个就是分类和预测的结果了。
举例理解：
我们举个例子，来感受一下神经网络的设计过程，鸢尾花可以分为三类，狗尾草鸢尾，杂色鸢尾，弗吉尼亚鸢尾。我们为别对应标签0 1 2
人们通过经验总结出了规律：通过测量花的花萼长、花萼宽、花瓣长、花瓣宽，可以得出鸢尾花的类别。比如：花萼长>花萼宽 且花瓣长/花瓣宽>2 ， 则为1 可以判为杂色鸢尾
看到这里，大家应该已经想到通过if case这样的条件语句来实现分类，没错，条件语句是可以通过这些信息判断出鸢尾花的分类，这就是一个典型的专家系统。这个过程是理性的计算，只要有了这些数据，是一定可以通过条件判断公式计算出是哪类鸢尾花的。这是属于符号主义学派的。
但是我们发现鸢尾花的种植者，在识别鸢尾花的时候并不需要这么理性的计算，因为他们见识了太多的鸢尾花，一看就知道是哪种，而且随着经验的增加，识别的准确率会提高，这就是直觉，是感性思维，这就是这次要分享的------神经网络方法。
刚刚提到的神经网络设计过程，首先需要采集大量的信息（输入特征），和他们所对应的是哪种鸢尾花（标签），大量的输入特征和标签对构建出数据集，再把这个数据集喂入搭建好的神经网络结构，网络通过反向传播优化参数得到模型，当有新的从未见过的输入特征送入神经网络时，神经网络会输出识别的结果。
下一篇文章会讲解具体的实现过程
[python] 深度学习基础------人工神经网络实现鸢尾花分类(一)相关推荐
- 猿创征文｜深度学习基于前馈神经网络完成鸢尾花分类
大家我是猿童学!这次给大家带来的是基于前馈神经网络完成鸢尾花分类! 在本实验中,我们使用的损失函数为交叉熵损失:优化器为随机梯度下降法:评价指标为准确率. 一.小批量梯度下降法 在梯度下降法中,目标函 ...
- 独家思维导图！让你秒懂李宏毅2020深度学习（三）——深度学习基础（神经网络和反向传播部分）
独家思维导图!让你秒懂李宏毅2020深度学习(三)--深度学习基础(神经网络和反向传播部分) 长文预警!!!前面两篇文章主要介绍了李宏毅视频中的机器学习部分,从这篇文章开始,我将介绍李宏毅视频中的深度 ...
- Python深度学习实战：多类花朵分类
Python深度学习实战:多类花朵分类 鸢尾花分类数据集 导入库和函数 指定随机数种子 导入数据 输出变量编码 设计神经网络 用K折交叉检验测试模型 总结 本章我们使用Keras为多类分类开发并验证一 ...
- Python深度学习实战：声呐返回值分类
Python深度学习实战:声呐返回值分类 声呐物体分类数据 简单的神经网络 预处理数据以增加性能 调整模型的拓扑和神经元 缩小网络 扩大网络 总结 本章我们使用Keras开发一个二分类网络.本章包括: ...
- Python深度学习（循环神经网络）--学习笔记（十三）
6.2 理解循环神经网络 目前见过的所有神经网络(比如密集连接网络和卷积神经网络)都有一个特点,那就是它们都没有记忆.它们单独处理每个输入,在输入与输入之间没有保存任何状态.对于这样的网络,要想处理数 ...
- Python深度学习6之神经网络
Python神经网络6之神经网络 神经网络 神经网络基础 神经网络 感知机 playground使用 神经网络原理 softmax回归 交叉熵损失 softmax.交叉熵损失API 案例:Mnist手 ...
- Python深度学习之循环神经网络的高级用法
Deep Learning with Python 这篇文章是我学习<Deep Learning with Python>(第二版,François Chollet 著) 时写的系列笔记之 ...
- 深度学习基础: BP神经网络训练MNIST数据集
BP 神经网络训练MNIST数据集 不用任何深度学习框架,一起写一个神经网络训练MNIST数据集 本文试图让您通过手写一个简单的demo来讨论 1. 导包 import numpy as np imp ...
- 【项目实战】Python基于librosa和人工神经网络实现语音识别分类模型(ANN算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 语音识别发展到现在作为人机交互的重要接口已经在很多方面改变了我们 ...
最新文章
- mySQL笔记（1）
- 国家公布人工智能四大平台 AI的春天到了？
- OWA修改密码注意事项
- 【数字信号处理】离散时间信号 ( 离散时间信号知识点 | 信号定义 | 信号分类 | 根据确定性分类 | 根据周期性分类 | 根据离散型分类 )
- GRE写作-政府官员必须执行人民意愿还是独立决策？
- 【C++】46.宏定义##连接符和符#的使用
- C#中写入Excel
- 超过3000赞的「机器学习路线图」，教你升级打怪全攻略
- python recv_[Python]关于socket.recv()的非阻塞用法
- 持续集成持续部署持续交付_自动持续开发和交付混合移动应用程序
- 厦门one_厦门外代荣获ONE全球船舶操作中心颁发的Sapphire Award奖
- uni app对接php,thinkphp5 对接手机uni-app的unipush推送（个推）
- ASP.NET的几个试题（《C#与.NET程序员面试宝典》）
- 全局变量反汇编与重定位
- mysql--------常用命令
- python爱好者社区 周琦_这么多年来，我算想明白了！
- 数学建模-常见模型整理及分类
- 怎么爬取全量企业工商数据（思路）
- 如何笔记本盖上连接显示器不熄屏？
- 怎么把exe转成手机的可执行文件