3.1 神经网络基本原理

文档摘要

3.1 神经网络基本原理 3.1 神经网络基本原理在深度学习背景下，神经网络是时间序列预测的基石。理解其基本原理对于构建和优化高性能预测模型至关重要。本章将深入探讨神经网络的核心组成部分、工作机制以及训练过程。 3.1.1 神经元：神经网络的原子单元神经网络的灵感来源于人脑的生物神经元。一个人工神经元（也称为感知器）是神经网络中最基本的处理单元。它接收一个或多个输入信号，对这些信号进行加权求和，然后通过一个激活函数产生一个输出信号。 1. 输入信号 (xi)：每个神经元接收来自前一层神经元或原始输入数据的信号。这些信号可以是数值。 2. 权重 (wi)：每个输入信号都与一个权重相关联。权重代表了对应输入信号的重要性或影响力。在训练过程中，这些权重会被调整以最小化预测误差。 3.