神经网络浅析
2018-01-24 15:02 TuBaTuMa 阅读(204) 评论(0) 收藏 举报神经网络
百度百科对于深度学习是这样定义的:
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示.
所以深度学习指的是训练神经网络, 那么究竟什么是神经网络呢?
举例分析
讲概念不如举例子来的直接, 我们先来看一个房价预测的例子.
假如我们有一个数据集, 这个数据集里包括了6套房子的面积, 单位是平方米, 还有对应的每套的价格. 我们想找到一个函数, 这个函数可以根据房屋的面积, 来预测房价.
如果你了解线性回归(Linear Regression), 我们可以用这些数据根据线性回归来拟合一条直线, 我们知道价格永远不可能为负值, 所以我们将线的起点弯曲一点, 从0开始, 如图所示:
这条蓝色的线就是我们要找的函数, 根据房屋的面积来预测房屋的价格.
我们可以把这个简单的预测函数看成是一个非常简单的神经网络, 这几乎是最简单的神经网络了.
Size(x) -->⭕️--> Price(y)
我们把房屋的面积, 作为神经网路的输入, 称之为 x, 通过这个结点, 这个小圈圈, 最后得出了价格 y.
这个小圆圈, 就是一个独立的神经元, 这个神经元所做的就是输入面积, 完成线性计算, 取不小于0的值, 然后输出价格.
在相关的神经网络的文献中, 经常会看到这样的函数, 这个函数一开始是0, 然后是一条直线, 这样的函数叫做 ReLU 函数.
上面是一个简单的单一的神经网络函数, 假设我们还知道了房屋的其他一些特征. 这些特征也会影响房屋的价格, 比如房屋的位置, 二环, 三环, 地铁旁等, 房屋附带的价值, 比如是否是学区房, 房屋的格局, 比如是几居室等等. 神经网络的工作就是根据输入的房屋的特征, 预测对应的房屋价格.
浙公网安备 33010602011771号