正文

神經(jīng)網(wǎng)絡(luò)都有哪些（神經(jīng)網(wǎng)絡(luò)都有哪些層）

發(fā)布時(shí)間：2023-04-08 17:37:00 稿源：創(chuàng)意嶺閱讀： 96

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于神經(jīng)網(wǎng)絡(luò)都有哪些的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶(hù)端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶(hù)遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、什么是神經(jīng)網(wǎng)絡(luò)
2、神經(jīng)網(wǎng)絡(luò)具體是什么？
3、神經(jīng)網(wǎng)絡(luò)是什么？
4、深度神經(jīng)網(wǎng)絡(luò)有哪些

神經(jīng)網(wǎng)絡(luò)都有哪些（神經(jīng)網(wǎng)絡(luò)都有哪些層）

一、什么是神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)可以指向兩種，一個(gè)是生物神經(jīng)網(wǎng)絡(luò)，一個(gè)是人工神經(jīng)網(wǎng)絡(luò)。

生物神經(jīng)網(wǎng)絡(luò)：一般指生物的大腦神經(jīng)元，細(xì)胞，觸點(diǎn)等組成的網(wǎng)絡(luò)，用于產(chǎn)生生物的意識(shí)，幫助生物進(jìn)行思考和行動(dòng)。

人工神經(jīng)網(wǎng)絡(luò)（Artificial

Neural

Networks，簡(jiǎn)寫(xiě)為ANNs）也簡(jiǎn)稱(chēng)為神經(jīng)網(wǎng)絡(luò)（NNs）或稱(chēng)作連接模型（Connection

Model），它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。

人工神經(jīng)網(wǎng)絡(luò)：是一種應(yīng)用類(lèi)似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在工程與學(xué)術(shù)界也常直接簡(jiǎn)稱(chēng)為“神經(jīng)網(wǎng)絡(luò)”或類(lèi)神經(jīng)網(wǎng)絡(luò)。

二、神經(jīng)網(wǎng)絡(luò)具體是什么？

神經(jīng)網(wǎng)絡(luò)由大量的神經(jīng)元相互連接而成。每個(gè)神經(jīng)元接受線性組合的輸入后，最開(kāi)始只是簡(jiǎn)單的線性加權(quán)，后來(lái)給每個(gè)神經(jīng)元加上了非線性的激活函數(shù)，從而進(jìn)行非線性變換后輸出。每?jī)蓚€(gè)神經(jīng)元之間的連接代表加權(quán)值，稱(chēng)之為權(quán)重（weight）。不同的權(quán)重和激活函數(shù)，則會(huì)導(dǎo)致神經(jīng)網(wǎng)絡(luò)不同的輸出。舉個(gè)手寫(xiě)識(shí)別的例子，給定一個(gè)未知數(shù)字，讓神經(jīng)網(wǎng)絡(luò)識(shí)別是什么數(shù)字。此時(shí)的神經(jīng)網(wǎng)絡(luò)的輸入由一組被輸入圖像的像素所激活的輸入神經(jīng)元所定義。在通過(guò)非線性激活函數(shù)進(jìn)行非線性變換后，神經(jīng)元被激活然后被傳遞到其他神經(jīng)元。重復(fù)這一過(guò)程，直到最后一個(gè)輸出神經(jīng)元被激活。從而識(shí)別當(dāng)前數(shù)字是什么字。神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元如下

神經(jīng)網(wǎng)絡(luò)都有哪些（神經(jīng)網(wǎng)絡(luò)都有哪些層）

基本wx + b的形式，其中 x1、x2表示輸入向量 w1、w2為權(quán)重，幾個(gè)輸入則意味著有幾個(gè)權(quán)重，即每個(gè)輸入都被賦予一個(gè)權(quán)重 b為偏置bias g(z) 為激活函數(shù) a 為輸出如果只是上面這樣一說(shuō)，估計(jì)以前沒(méi)接觸過(guò)的十有八九又必定迷糊了。事實(shí)上，上述簡(jiǎn)單模型可以追溯到20世紀(jì)50/60年代的感知器，可以把感知器理解為一個(gè)根據(jù)不同因素、以及各個(gè)因素的重要性程度而做決策的模型。舉個(gè)例子，這周末北京有一草莓音樂(lè)節(jié)，那去不去呢？決定你是否去有二個(gè)因素，這二個(gè)因素可以對(duì)應(yīng)二個(gè)輸入，分別用x1、x2表示。此外，這二個(gè)因素對(duì)做決策的影響程度不一樣，各自的影響程度用權(quán)重w1、w2表示。一般來(lái)說(shuō)，音樂(lè)節(jié)的演唱嘉賓會(huì)非常影響你去不去，唱得好的前提下即便沒(méi)人陪同都可忍受，但如果唱得不好還不如你上臺(tái)唱呢。所以，我們可以如下表示： x1：是否有喜歡的演唱嘉賓。x1 = 1 你喜歡這些嘉賓，x1 = 0 你不喜歡這些嘉賓。嘉賓因素的權(quán)重w1 = 7 x2：是否有人陪你同去。x2 = 1 有人陪你同去，x2 = 0 沒(méi)人陪你同去。是否有人陪同的權(quán)重w2 = 3。這樣，咱們的決策模型便建立起來(lái)了：g(z) = g(w1x1 + w2x2 + b )，g表示激活函數(shù)，這里的b可以理解成為更好達(dá)到目標(biāo)而做調(diào)整的偏置項(xiàng)。一開(kāi)始為了簡(jiǎn)單，人們把激活函數(shù)定義成一個(gè)線性函數(shù)，即對(duì)于結(jié)果做一個(gè)線性變化，比如一個(gè)簡(jiǎn)單的線性激活函數(shù)是g(z) = z，輸出都是輸入的線性變換。后來(lái)實(shí)際應(yīng)用中發(fā)現(xiàn)，線性激活函數(shù)太過(guò)局限，于是引入了非線性激活函數(shù)。

三、神經(jīng)網(wǎng)絡(luò)是什么？

神經(jīng)網(wǎng)絡(luò)可以指向兩種，一個(gè)是生物神經(jīng)網(wǎng)絡(luò)，一個(gè)是人工神經(jīng)網(wǎng)絡(luò)。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)寫(xiě)為ANNs）也簡(jiǎn)稱(chēng)為神經(jīng)網(wǎng)絡(luò)（NNs）或稱(chēng)作連接模型（Connection Model），它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。

神經(jīng)網(wǎng)絡(luò)都有哪些（神經(jīng)網(wǎng)絡(luò)都有哪些層）