Datawhale 西瓜书第五章

1、神经元模型

      神经网络模型是近年来最火的机器学习算法，不仅在CV、NLP、语音处理等领域应用较多，在社会科学、管理科学、机器人等多学科交叉领域有广泛的应用。神经网络模型最基本的模型是多层感知机模型，该模型在上个世纪八九是年代就已经出现，但是由于当时计算机处理能力有限，在机器学习方面应用有限。

    神经网络中最基本的模型是神经元（neuron）模型，神经元接收来自N个其他神经元的信号，通过带权重的连接进行传递。神经元接收的输入与神经元阈值进行比较，通过激活函数进行输出。

       激活函数是神经元的重要的组成，常见的激活函数有sigmoid函数，tanh函数等。

2、感知机与多层网络

        感知机由两层神经元组成，输入层和输出层，没有中间层。也成为M-P神经元。感知机可以实现与、或、非逻辑运算。

        对于给定训练集，和权重 和阈值，感知机权重调整方式为:

                                                               

      为学习率。

3、误差传播算法

       误差传播算法是神经网络模型的核心与关键，基本思路是模型的Loss通过反向传播，对权重进行调整，实现模型的训练。