180901神经网络入门

一、感知器

根据研究大脑神经元，提出了类似的人工神经元（artificial neuron）,叫做“感知器”.
圆圈代表一个感知器，接受多个输入（x1,x2,x3），产生一个输出（output）

二、决策模型

单个感知器构成了一个简单的决策模型，但是在真实世界中，实际的决策模型则要复杂的多，是由多个感知器组成的多层网络。

上图中，底层感知器接受外部输入，做出判断后，再发出信号，作为上层感知器的输入，直至得到最后的结果。（注意：感知器的输出依然只有一个，但是可以发给多个目标）

三、矢量化

• 外部因素 x1、x2、x3 写成矢量 <x1, x2, x3>，简写为 x
• 权重 w1、w2、w3 也写成矢量 (w1, w2, w3)，简写为 w
• 定义运算 w⋅x = ∑ wx，即 w 和 x 的点运算，等于因素与权重的乘积之和

• 定义 b 等于负的阈值 b = -threshold
  感知器模型如下：

  
  

四、神经网络的运作过程

一个神经网络的搭建，需要满足三个条件：

1.输入和输出
2.权重（w）和阈值（b）
3.多层感知器的结构

如图1。
其中最难的部分就是确定w 和 b。
其中试错法，其他都不变，w或b 微小变化，然后观察输出的变化，不断重复这个过程，直至得到最精确的的那组w和b，这个过程称为模型的训练。

神经网络的运作过程如下：

1.确定输入和输出
2.找到一种或多种算法，可以从输入得到输出
3.找到一组已知答案的数据集，估算w和b，重复此过程，得到误差最小的w和b
4.一旦有新输入产生，输入到模型中，得到结果