人工智能入门学习（二）------神经网络

今天总结一下神经网络的一些理论知识，熟悉了最基本的概念，学习会更加容易~

目录

神经网络

1.概念 

2.神经元

3.神经网络的结构（大致分为五类） 

4.单层神经网络

5.感知机

6.多层神经网络

7.激活函数

......

---

 

神经网络

1.概念 

        计算机中的神经网络是对人脑的抽象，模拟，对函数进行估计或者近似。

        简单理解就是类似人大脑的神经系统，可以自己学习，来从数据中总结规律。

2.神经元

   （1）神经网络中的基础单元，相互连接，组成神经网络。

   （2）一个神经元的功能就是在求得输入向量与权向量的内积后，经一个非线性传递函数得到一个标量结果。

3.神经网络的结构（大致分为五类） 

   （1）前馈式网络：该网络结构是分层排列的，每一层的神经元输出只和下一层的神经元连接。

   （2）输出反馈的前馈式网络： 存在一个输出层到输入层的反馈回路，其他与前馈式网络一样。

   （3）前馈式内层互连网络：在该网络结构中，同一层的神经元之间相互关联，有相互制约的关系，但从层与层之间的关系看，它仍是前馈式的网络结构。

   （4）反馈型全互联网络：在该网络结构中，每个神经元的输出都和其他神经元相连从而形成了动态的反馈关系，具有自寻优能力。

   （5）反馈型局部互连网路：在该网络结构中，每个神经元只和其周围若干层的神经元发生互连关系，形成局部反馈，从整体上看是一种网状结构。

4.单层神经网络

 是最基本的神经元网络形式，由有限个神经元构成，单层神经元的输出是一个向量。

5.感知机

       是最为基础的模型，两层的神经网络，它可以简单理解为是一个二分类的模型，给定阈值，将训练的数据集完全分开，判断数据属于哪一部分。

       除此之外，也有多层感知机（MLP），也叫前馈神经网络。

6.多层神经网络

       多层神经网路包含输入层，输出层，隐层，全连接层......

       大致可分为卷积神经网路（CNN），循环神经网路（RNN）等。

       卷积神经网络：实在神经网路的基础上加入了卷积运算，从而提取其特征

7.激活函数

......