原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
人工神经网络
人工神经网络的基本概念
人工神经网络是为了模拟人脑神经系统而设计的一种计算模型，它从结构、实现机理和功能上模拟人脑神经网络。简称神经网络。
人工神经网络与生物神经系统相类似，是由多个节点（即人工神经元）相互连接而成，可用于对数据之间的复杂关系进行建模。不同节点之间的连接被赋予了不同权重，每个权重代表了一个节点对另一个节点的影响大小。
感知机是最早的具有机器学习思想的神经网络，但其学习方法无法扩展到多层的神经网络上。直至1986年，反向传播算法（BP算法）才有效地解决了多层神经网络的学习问题，且成为最为流行的神经网络学习算法。
人工神经网络基本组成单元—神经元的结构
人工神经网络基本组成单元—神经元的结构
线性变换
非线性变换
输入函数
激励函数
人工神经网络—分层结构
人工神经网络计算过程——正向传播
正向传播（ForwardPropagation），又称前向传播，计算过程是：
将输入层的样本值，传递给第一层的输入函数得到z值；z值传递给激励函数得到a值；a值既是第一层的输出，也是第二层的输入。
以此类推，从前向后逐层计算，直至得到输出层的估计值。
这种根据样本特征值从输入到输出的计算过程称作神经网络的正向传播。
人工神经网络训练过程——反向传播
正向传播结束后，就可以根据预测值与真实值来计算损失函数，根据损失函数进行反向传播。
反向传播（BackwardPropagation），又称后向传播，基本原理是根据损失函数反方向计算每一层的z、a、w和b的偏导数，得到w和b在每一层各个参数方向的梯度，用各层的梯度dw和db逐层更新各层的参数w和b，从而得到一个由新的w和b构成的新的网络模型。
反向传播与正向传播是密切联系的两个过程，正向传播是反向传播计算的基础，正向传播与反向传播反复迭代进行下去，直至找到最优的w和b。
谢谢聆听！
文档评论（0）