人工智能教程学习笔记01神经网络概述

文章部分内容参考自captainbed.net

神经网络概述

深度学习与其他AI算法

• 之前的人工智能&＃xff08;聚类、专家系统、归纳逻辑&＃xff09;都是假智能&＃xff0c;与其说是人工智能&＃xff0c;倒不如说是统计智能。都只是一个较为复杂的大型程序而已&＃xff0c;我们仍然清楚其内部如何运行。

• 而神经网络则不同&＃xff0c;其内部是一个黑盒子&＃xff0c;我们丝毫不知道他是如何实现的。

神经网络理论基础

神经网络是受人类大脑神经细胞的启发而构造出来的&＃xff0c;每一个节点接受若干权值的输入&＃xff0c;如果满足一定条件&＃xff0c;就输出&＃xff0c;否则不输出。

其中$x$代表输入的训练机&＃xff0c;$y$代表输出的结果。

神经网络相关概念

• 网络越复杂神经网络就越强大
  所以我们需要深度神经网络。这里的深度是指层数多&＃xff0c;层数越多那么构造的神经网络就越复杂。

• 训练深度神经网络的过程就叫做深度学习
  网络构建好了后&＃xff0c;我们只需要负责不停地将训练数据输入到神经网络中&＃xff0c;它内部就会自己不停地发生变化不停地学习&＃xff0c;而我们不知道它是如何学习的。

• 每一个输入到神经网络的数据都被叫做一个特征&＃xff0c;例如向图像识别神经网络输入一个有64*64*3&＃xff08;64*64是分辨率&＃xff0c;3是3种原色&＃xff09;个像素的图片。这个12288维的图片也被叫做有12288个特征的特征向量。