标签：直线 classification 分类器 神经网络 叫做 科普 我们 神经元

什么叫做神经网络（科普向）

本文写于 2020 年 12 月 11 日

之前讲了什么叫做机器学习，不理解的可以移步《什么叫做机器学习》。

神经网络的最重要用途就是 classification。

对于我们人来说，前面跑过的四脚兽是猫还是狗、是狼还是虎，我们都可以判断出来（一般）。我们虽然没有探究清楚人脑究竟是怎么思考的，可是简化出了「神经网络」，通过机器学习实现人工神经网络。

关于 classification 有几个典型的例子：

1. 邮箱判断邮件是否是垃圾邮件；
2. 判断四脚兽的照片到底是猫还是狗、狼还是虎；
3. 根据病症判断疾病类型
4. ……

这都是 classification。我们写一个程序能够进行分类，那他就是「分类器」。在神经网络里，一个神经元就是一个「分类器」。

我们会将事物的 「特征」 作为输入，经由「分类器」得到输出。比如 0 表示是猫、1 表示是狗；0 表示是垃圾邮件、1 表示不是。

我们高中都学过线性回归，线性回归是对数据进行拟合，然后画出一条直线。

如果我们利用线性回归进行分类，可以说：在直线一边的是 A，在直线的另一边的是 B。

平面上直线的方程是 ax + by + c=0，所以根据 ax1 + by1 + c > 0 还是 ax1 + by1 + c < 0 就可以判断 (x1, y1) 在直线的哪一边。

神经元的实质就是把特征空间一切两半，一边是一个类型。

实际工作中我们并不知道怎么画这一条直线，我们可以利用 Hebb 算法：

我们把直线放上去，然后把样本拿过来，如果说分错了，就把直线移动一点，让他更靠近样本……最终让他跑到直线正确的一侧。

因此训练神经元的过程就是不断的在移动直线，最终到一个恰当的位置。

但有一个问题——如果我的范围是一个圆怎么办？或者说，我需要砍两刀怎么办？

神经元只能切一刀呀。

一刀是非常有局限性的，所以人们发明了 「多层神经网络」，底层神经元的输出是高层神经元的输入，这样我们就可以砍很多很多刀了！

• 我们每砍一刀，就是使用了一个神经元；
• 把砍下的不同的块做交、并运算就是把这些神经元的输出当作输入；
• 再连接后面的神经元。

根据极限的思想，只要我们砍的刀数足够多，那么什么样的边界神经网络都能砍出来。

神经网络的训练依靠的是 「反向传播算法」：

• 输出层发现输出的结果和训练数据不符合；
• 调整自己的参数（即移动直线）；
• 调整上一层的参数；
• 层层向上；
• 如果还是不对，就会重新从最后一层开始。

（完）

标签：直线,classification,分类器,神经网络,叫做,科普,我们,神经元
来源： https://www.cnblogs.com/xhyccc/p/14120191.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。