tensorflow学习笔记 -- 神经网络由来

12. 神经网络由来

神经网络主要用于处理分类问题，是由感知机升级而来，下图是一个非常简单的感知机

可以看到如果想要区分x1和x2都大于1的感知机直线非常好找到，该感知机求解模型可以用下图表示

w1和w2还有阈值就是模型的参数， 例如求得w1=1,w2=1,阈值=1.5，大于阈值的就会在感知机的右侧，根据坐标图就有：x1=1,x2=1，得到1*1+1*1=2>1.5所以(1,1)点在直线右侧，而x1=1,x2=0,得到1*1+0*1=1<1.5所以(1,0)点在直线左侧，但是如下图所示的情况一条感知机就解决不了了，只能加感知机

此时求解模型就变成了下图的样式

随着需要分类的问题的复杂度的提升感知机的数量也会增加，数量很多的感知机就演变成神经网络

下面的网址可以很清晰的观看不同数量的感知机的工作流程：

http://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.17113&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false