一文了解人工智能神经网络的原理

大脑神经元

人脑可能有1000多亿个神经元，每个神经元都可能在几个方向上互相连接着，这么大量的神经元及连接就形成了一个超级大型的网络。我们就是因为这些网络而存在各种各样的思想和意识。

大脑神经元即是脑神经细胞，主要包括细胞体、树突、轴突、突触等。

• 细胞体，由细胞核、细胞质和细胞膜组成。它是神经元新陈代谢的中心，是接收信息并处理的部件。

• 树突，是细胞体向外延伸树枝状的纤维体，它是神经元的输入通道，接收来自其他神经元的信息。

• 轴突，是细胞体向处延伸的最长最粗的一条树枝纤维体，即神经纤维，它是神经元的输出通道。轴突有髓鞘纤维和无髓鞘纤维两种结构形式，两者传递信息的速度不同。轴突末端有许多向外延伸的树枝状纤维体，称为神经末梢，它是神经元信息的输出端。

• 突触，神经元的神经末梢与另一神经元树突或细胞体的接触处即为突触。每一个神经元都通过突触与其他神经元联系，细胞之间通过突触建立起连接，从而实现信息传递，每个神经元约有103～104个突触。

模拟大脑

神经网络就是人们试图对大脑内部运作的模拟形式，在计算机领域，这种模型的起源相当早，可以追溯到20世纪40年代中期，当时计算机其实也刚出现不久。

1943年，麦卡洛克和皮茨发表了论文《神经活动内在概念的逻辑演算》，其中首次提出了表示人脑学习功能的一种数学方法。

如上图中x类似轴突，其它神经元的输出，经过突触连接树突，经过树突后输入到细胞体，细胞体执行一定运算后再经过激活函数最后输出到轴突。

这个简单的模型就是机器学习中神经网络的基础模型了，不经让我们惊呼我们的大脑如此的简单，但事实并不是这样，人类对大脑的认识是在太少，可以说几乎还没有什么实质性进展。而用这种模型模拟的大脑，实际上比大脑差太多太多了，如果人类是上帝造的，那上帝肯定不会让你猜透他是怎么造的。

这个阶段虽然大脑的神经元已经被数学建模了，我们也并不知道这个模型是否正确，而且当时也没有明确权重参数的调整方法。

感知机模型

进入到20世纪50年代，一种最简单的人工神经元模型被提出来了。感知机？一听感觉就像是一个实际存在的东西，就像计算机一样，它应该是看得见摸得着的机器吧！的确，20世纪60年代第一个硬件实现出现，当时直接将整个硬件都叫感知机，但后来感知机被改成是算法的名字了，所以它其实是一个算法。

感知机以前辈的思想作为基础，基于此提出了一种反馈循环的学习机制，通过计算样本输出结果与正确结果之间的误差来进行权重调整。

大致的流程如下：

• 通过随机数初始化权重参数。

• 将一个输入向量传入网络。

• 根据指定的输入向量和权重值计算网络的输出y'，感知机的函数如下所示：