神经网络简介

神经网络简介

正如我们在介绍中讨论的那样，实现智能的一种方法是训练一个计算机模型或一个人工大脑。自20世纪中叶以来，研究人员尝试了不同的数学模型，直到近年来这一方向被证明非常成功。这些大脑的数学模型被称为神经网络。

有时为了表示我们讨论的是模型而非真实的神经元网络，神经网络有时被称为“人工神经网络”，简称ANNs。

机器学习

神经网络是更大领域——机器学习的一部分，其目标是利用数据来训练能够解决问题的计算机模型。机器学习构成了人工智能的一个重要部分，然而，本课程不涵盖经典的机器学习。

访问我们的单独课程**机器学习入门**以了解更多关于经典机器学习的内容。

在机器学习中，我们假设有一组示例数据X和相应的输出值Y。示例通常是包含特征的N维向量，而输出称为标签。

我们将考虑最常见的两种机器学习问题：

• 分类，我们需要将输入对象分类为两个或更多类别。
• 回归，我们需要预测每个输入样本的数值。

当以张量的形式表示输入和输出时，输入数据集是一个大小为M×N的矩阵，其中M是样本数量，N是特征数量。输出标签Y是一个大小为M的向量。

在本课程中，我们将只关注神经网络模型。

神经元模型

从生物学我们知道，我们的大脑由神经细胞组成，每个细胞具有多个“输入”（轴突）和一个输出（树突）。轴突和树突可以传导电信号，并且轴突和树突之间的连接可以表现出不同程度的导电性（受神经递质控制）。

真实神经元 (图片 来自维基百科)	人工神经元 (作者绘制的图片)

因此，最简单的神经元数学模型包含几个输入X₁, ..., X_N和一个输出Y，以及一系列权重W₁, ..., W_N。输出计算公式为：

其中f是一种非线性的激活函数。

Warren McCulloch和Walter Pitts在1943年发表的经典论文《神经系统中固有的思想的逻辑演算》中描述了早期的神经元模型。Donald Hebb在他的著作《行为的组织：一种神经心理学理论》中提出了这些网络如何训练的方法。

本节内容

在本节中，我们将学习以下内容：

• 感知器，这是最早的用于二分类的神经网络模型之一
• 多层网络，配有一个说明如何构建我们自己的框架的笔记本文件 如何构建我们自己的框架
• 神经网络框架，包括这些笔记本文件：PyTorch 和 Keras/TensorFlow
• 过拟合

声明:
本文件灏天文库团队进行了翻译。尽管我们力求准确，但请注意，翻译可能包含错误或不准确之处。原文档以其原始语言为准。我们不对因使用此翻译而产生的任何误解或误译负责。