神經網絡(Neural Networks)是受到人類大腦對於外界事物認知方式的啓發建立的機器學習算法,也叫人工神經網絡(ArtificialNeural Networks)。
我們先來認識構成神經網絡的基本單元:神經元。
神經元有三個基礎的構成
(1)一組連接(類比於生物神經元的樹突),更準確的講是一組輸入。而每一個輸入都會有一個權重進行作用。第k個神經元的第j個樹突接收到的一個輸入xj,那麼這個輸入將被權重wkj作用,其中下標表示第k個神經元的第j個樹突的權重。
(2)一個調整項bk,所有的輸入完成求和操作後再加上一個常數調整項
(3)激活函數φ,這個函數用來將求和之後的結果映射到一個合適的範圍。
上圖所示的神經元K可以用如下的兩個數學公式表示:
以及
令
上述公式可以有一個轉換寫成如下形式
其中
激活函數的類型:
(1)閾值函數
這樣的神經元稱作McCulloch–Pitts模型
(2)S型函數,最典型也是最常用的激活函數模型爲logistic函數,這種模型很好的平衡了線性與非線性函數
這個函數模型中a稱作斜率參數當a趨於無窮大時,logistic函數是逼近閾值函數的。如果激活函數輸出的閾值範圍不是0到1,而是-1到1則激活函數可定義爲
或者
(3)神經元的隨機模型
P(v)的標準選擇爲一個S型函數
T在這裏是一個控制噪聲或者不確定因素的參數,當T趨於0的時候,這個概率模型基本爲無噪聲的。