Python工程应用—机器学习方法与实践第10章人工神经系统.pptxVIP

第一章 概论西华大学机器学习第十章 人工神经系统XXX学校XXX2022 目录Contents从感知机到多层感知机激活函数和损失函数反向传播算法案例：手写数字识别 知识引入3节点：输出函数（激活函数）人工神经网络：节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重网络的输出则取决于网络的结构、网络的连接方式、权重和激活函数。 本章知识图谱4 从感知机到多层感知机一 1.1 神经元和感知机6生物神经网络的简化模型 1.1 神经元和感知机7神经元模型MP的简单结构 我们使用a来表示输入、w来表示权重、箭头表示传递加权运算、z表示输出，所以最后的输出为输入和权重的线形加权和再外层叠加一个sgn函数(在MP模型中sgn函数为取符号函数，此函数的输入大于0则输出1，反之输出0)。所以最后这个神经元的公式应该为：? 1.1 神经元和感知机8 我们最后对一个神经元进行扩展，可以将sum和sgn函数合并为函数f，多个输出箭头表示可以连接后面多个神经元但是输出值完全一样。神经元在之后的一个神经网络中更多的被称为一个单元或者节点。 神经网络中的节点就是一个个神经元节点组成，最后我们需要去优化这些网络中节点的权重值，来得到我们所预期的结果。神经网络通过计算层的多少可以分为单层神经网络和多层神经网络，比如整个网络中只有一个计算层就为单层神经网络，而整个网络中有两个或者以上