图像识别技术与应用

最新推荐文章于 2025-06-12 22:32:27 发布

原创最新推荐文章于 2025-06-12 22:32:27 发布

· 493 阅读

版权

文章标签：

1.感知机

感知机是由美国学者弗兰克·罗森布拉特在1957年提出，是神经网络与支持向量机的基础。其基本原理是将输入特征通过线性组合，然后使用激活函数进行处理来做出分类决策。

w称为权重：控制输入信号的重要性的参数

b称为偏置：偏置是调整神经元被激活的容易程度参数

二分类 (0 或 1) Vs. 回归：输出实数Vs. Softmax：输出的概率，多个分类

1.与门

与门是一种实现逻辑与运算的电路元件，只有当所有输入都为高电平（逻辑1）时，输出才为高电平（逻辑1）；只要有一个输入为低电平（逻辑0），输出就为低电平（逻辑0），其功能符合逻辑乘法规则。
电路符号

在电路设计中，与门有特定的符号。常见的符号是一个矩形，在输入端有两条或多条线表示多个输入，输出端有一条线，在矩形的前端（输入端一侧）有一个“&”符号，表示逻辑与的关系。

与门的逻辑功能可以用真值表清晰表示，假设有两个输入X1和X2，一个输出y，其真值表如下：

2.与非门

与非门是一种实现“与非”逻辑运算的电路元件，它先对输入信号进行“与”运算，然后再对“与”运算的结果取反。也就是说，只要输入中有一个为低电平（逻辑0），输出就为高电平（逻辑1）；只有当所有输入都为高电平（逻辑1）时，输出才为低电平（逻辑0）。
在电路设计中，与非门的符号通常是一个矩形，输入端有两条或多条线表示多个输入，输出端有一条线，在矩形的前端（输入端一侧）有一个“&”符号，表示先进行“与”运算，在输出端有一个小圆圈，表示对“与”运算的结果取反。

与门的逻辑功能可以用真值表清晰表示，假设有两个输入X1和X2，一个输出y，其真值表如下：

3.或门

或门实现的是逻辑或运算，只要其多个输入中有一个为高电平（逻辑1），输出就为高电平（逻辑1）；只有当所有输入都为低电平（逻辑0）时，输出才为低电平（逻辑0），其功能符合逻辑加法规则。
在电路设计里，或门一般用一个特定符号表示，是一个类似D的形状，在输入端有两条或多条线表示多个输入，输出端有一条线，在D形的前端（输入端一侧）有一个“≥1”符号，表示只要有一个或一个以上输入为高电平，输出即为高电平。

以两个输入X1和X2、一个输出y为例，或门的真值表如下：

4.异或门

以两个输入X1和X2、一个输出y为例，或门的真值表如下：

5.局限性

6.多层感知机

多层感知机（Multilayer Perceptron，MLP）是一种基本的人工神经网络。

优势：具有强大的非线性拟合能力，理论上可以逼近任何连续的非线性函数；对数据的适应性强，能处理各种类型的数据。
局限性：容易过拟合，尤其是在数据量较小或模型复杂度较高的情况下；训练过程计算量较大，需要较长的时间和较高的计算资源；对数据的依赖性强，数据质量和分布对模型性能影响大。

7.单隐藏层

单隐藏层是多层感知机（MLP）中的一种简单结构形式。

输入层：负责接收原始输入数据，节点数量由输入数据的特征数量决定。比如在手写数字识别中，若将每个数字图像表示为784维的向量，则输入层节点数为784。
隐藏层：处于输入层和输出层之间，只有一层。其中包含一定数量的神经元，每个神经元与输入层的所有神经元全连接，通过权重和偏置对输入进行线性变换，再经过激活函数引入非线性。
输出层：产生最终的输出结果，节点数量根据具体任务而定。如在二分类问题中，输出层通常只有1个节点，表示属于某一类别的概率；在多分类问题中，若有10个类别，则输出层有10个节点。

激活函数

刚才登场的h（x）函数会将输入信号的总和转换为输出信号，这种函数一般称为激活函数（activation function）。如“激活”一词所示，激活函数的作用在于决定如何来激活输入信号的总和。

1.阶跃函数

阶跃函数以0为界，一旦输入超过0，就切换输出1，否则输出0。

可以说感知机使用了阶跃函数作为激活函数。

2.多个隐藏层多类分类

多个隐藏层：在输入层和输出层之间存在两个或两个以上的隐藏层。每个隐藏层包含多个神经元，神经元之间通过权重连接，信息在层与层之间传递时会经过加权求和与激活函数的处理，从而对输入数据进行逐步的特征提取和抽象。
多层感知机使用隐藏层和激活函数来得到非线性模型
常用激活函数是Sigmoid，Tanh，RELU
使用Softmax来处理多分类
超参数为隐藏层数和各个隐藏层大小

1.参数更新

前向传播（正向传播）输入样本－－输入层－－各隐藏层－－输出层反向传播（误差反传）输出层——各隐藏层——输入层计算神经网络参数梯度的方法修正各层单元的权值。