神经网络介绍

介绍

带有集成电路的大脑

当我们说“神经网络”时，我们指的是人工神经网络 (ANN)。人工神经网络的思想是基于生物神经网络，如生物的大脑。

神经网络的基本结构——人工的和活的——是神经元。生物学中的神经元由三个主要部分组成：胞体（细胞体）、树突和轴突。

胞体的树突以树状方式分出，并随着每个分枝而变细。它们在突触处接收来自其他神经元的信号（脉冲）。轴突 - 总是只有一个 - 也离开体细胞，通常比树突延伸更长的距离。轴突用于将神经元的输出发送到其他神经元，或者更好地发送到其他神经元的突触。

下图由Quasar Jarosz 提供，由维基百科提供，说明了这一点：

生物学中神经元的图像

即使上图对于生物学家来说已经是抽象的，我们还可以进一步抽象：

神经元的抽象视图

人工神经网络的感知器正在模拟生物神经元。

神经网络感知器的图像

这非常简单，感知器或神经元的身体内部发生了什么。输入信号乘以权重值，即每个输入都有其相应的权重。通过这种方式，可以为每个输入单独调整X一世. 我们可以将所有输入视为输入向量，将相应的权重视为权重向量。

当信号进入时，它会乘以分配给该特定输入的权重值。也就是说，如果一个神经元有三个输入，那么它就有三个可以单独调整的权重。权重通常在学习阶段进行调整。
在此之后，修改的输入信号被求和。还可以向该总和额外添加所谓的偏差“b”。偏差是一个也可以在学习阶段调整的值。

最后，必须确定实际输出。为此，将激活或阶跃函数 Φ 应用于输入值的加权和。

神经网络感知器的详细视图

激活函数的最简单形式是二元函数。如果求和的结果大于某个阈值 s，则结果为Φ 将是 1，否则为 0。

Φ(X)={1 wx + b > s0 否则

简单人工神经网络的构建原理

我们将在接下来的章节中研究各种大小和结构的人工神经元网络。看看某些动物的神经元总数很有趣：