一、神经单元
神经单元是神经元的模型化,我们的大脑是由神经元相互连接构成的网络,那么如果我们仿造大脑创建神经元网络,
是不是能够产生出像人脑一样的智能呢?这就是神经网络所要探索的课题。
1、神经元的函数表示
如图1,将神经单元的多个输入x1,x2,x3,...,xn加权输入到神经单元,并用z表示,
即z = w1x1 + w2x2 + w3x3 + w4x4 + ... + wnxn + b (公式1)
其中w1,w2,w3,...wn为各输入权重,b为偏置,n为 输入个数
神经单元的输出用y表示,神经单元通过激活函数a(z),根据加权输入z输出y
即y = a(z) (公式2)
图1,神经单元
二、神经网络
如图2,将神经单元连接成网络状,就形成了神经网络,网络的连接方式多种多样,从图中可以看出,
构成神经网络的各层为输入层、隐藏层(中间层)、输出层;
- 输入层的职责是读取输入给网络的信息,
- 隐藏层的神经单元负责执行公式1与公式2,实际处理信息的部分,
- 输入层与隐藏层一样执行公式1与2,并输出结果
所谓的深度学习就是叠加了很多层的神经网络。
图2 神经网络