人工神經網絡

什麼是人工神經網絡?

人工神經元網絡(artificial neural network, ANN)是一種仿照人腦神經元運作的計算係統。

人工神經網絡是如何工作的?

人工神經網絡可以被看作是加權的有向圖，通常是分層組織的。這些層具有許多節點，模仿人類大腦的生物神經元。它們相互連接並包含一個激活函數。第一層接收來自外部世界的原始輸入信號——類似於人類視覺處理中的視神經。每一個連續的層都從它前麵的層獲得輸出，類似於位於離視神經較遠的神經元從離它們最近的神經元接收信號的方式。每個節點的輸出稱為其激活值或節點值。最後一層產生係統的輸出。人工神經網絡實際上是具有學習能力的數學模型;通過使用ann，我們已經能夠增強現有的數據分析技術。它們是我們看到人工智能(AI)、機器學習(ML)和深度學習取得重要進展的原因之一。

感知器人工神經網絡

感知器是人工神經網絡中最簡單的一種。這種類型的網絡通常用於二元預測。感知器隻有在數據可以線性可分的情況下才能工作。

多層人工神經網絡

一個完全連接的多層神經網絡也被稱為多層感知器(MLP)。這種類型的人工神經網絡由不止一層人工神經元或節點組成，(例如卷積神經網絡，循環神經網絡等)多層ANN用於解決更複雜的分類和回歸任務。最常見的模型是3層全連接反向傳播模型。第一層由輸入神經元組成，將數據發送到第二層，第二層又將輸出神經元發送到第三層。

此外，有兩種人工神經網絡拓撲結構:前饋和反饋。

前饋人工神經網絡

在這個人工神經網絡中，信息流是單向的。信息隻向一個方向傳播;向前;沒有任何反饋循環。它首先通過輸入節點，然後通過隱藏節點(如果有的話)，最後通過輸出節點。

反饋式人工神經網絡

在這種情況下，神經網絡的神經元之間存在固有的反饋連接。在這裏，反饋循環是允許的。