理解神经网络，第一部分什么是神经网络

人工智能(AI)是为了模仿人类的认知能力而设计的,它的许多应用都是受我们的五感--视觉、听觉、触觉、味觉和嗅觉的启发。在艾省, 想象力 与计算机视觉相对应,使机器能够解释图像和视频。 听到 由自然语言处理(NLP)和语音识别系统复制,使AI能够理解和生成人类的语音。 接触 通过触觉反馈和机器人来模拟,这有助于机器人对物理互动作出反应。尽管不太先进, 品味 和 闻到 通过原子能机构驱动的化学分析和食品及香味应用传感器进行探索。

其中许多人工智能应用程序的核心是 神经网络 ,由人类大脑启发的计算模型。神经网络由相互连接的节点(神经元)构成,它们以类似于人类大脑工作方式的方式处理数据。他们从数据中学习,识别能够让人工智能做出决策、识别图像或理解语言的模式。网络越深(层越多),人工智能解决复杂任务的能力就越复杂。这个架构提供了从自动驾驶汽车到语音助理的各种人工智能技术。

神经网络对于连接人工智能的模仿和更像人类的智力是必不可少的。从我们的智能手机的面部识别到自主汽车,神经网络为一切提供动力。无论我们是一个好奇的初学者还是一个有抱负的数据科学家,这个指南将帮助我们了解这些令人着迷的系统,这些系统正在革命性地改变技术。

什么是神经网络?

神经网络是受大脑生物神经网络启发的计算机系统。就像我们的大脑由数十亿相互连接的神经元组成,这些神经元帮助我们学习和做出决定, 人工神经网络 是从经验中学习的数字系统。

基本部件

神经网络是由神经元构成的网络。让我们了解它的基本组成部分。

1. 神经元(节点)

· 处理输入信号。

· 施加重量和偏差。

· 使用激活函数生成输出.

2. 关系(重物)

· 代表神经元之间连接的强度。

· 在学习期间调整。

· 确定网络行为。

3. 分层器

输入层

我们提供给模型的数据从外部来源(例如CSV文件或Web服务)加载到输入层。它是全世界唯一可见的 神经网络架构 它传递来自外部世界的完整信息,而不进行任何计算。

隐藏层

隐藏的层次使人们深入了解它今天是什么。它们是完成所有计算并从数据中提取特征的中间层。

可以有多个相互连接的隐藏层,用于搜索数据中不同的隐藏特性。例如,在图像处理中,第一隐藏层负责更高层次的特征,如边缘、形状或边界。另一方面,后面隐藏层执行更复杂的任务,如识别完整的对象(汽车、建筑物、人)。

输出层

输出层从之前的隐藏层获取输入,然后根据模型的学习得出最终的预测。它是我们获得最终结果的最重要的层面。

在分类/回归模型中,输出层通常只有一个节点。然而,它完全是针对具体问题的,并且取决于模型的构建方式。