第七讲 神经网络与深度学习.pptxVIP

第7讲神经网络与深度学习;7.1人工神经网络概述

7.2用于分类的前馈神经网络

7.3基于R的应用

7.4深度学习：卷积神经网络

7.5深度学习框架

;芬兰计算机科学家托伊沃·科霍宁(TeuvoKohonen)(他以提出“自组织神经网络”而名扬人工智能领域）：神经网络是一种由具有自适应性的简单单元构成的广泛并行互联的网络，它的组织结构能够模拟生物神经系统对真实世界所做出的交互反应。

功能与用途

;1Million训练图片

1000个类别

2015年神经网络识别错误率4.92%，人眼辨识错误率5.1%.;7.1.1生物神经元和人工神经元;神经元的两种工作状态：兴奋和抑制。

动态极化原则：在每一个神经元中，信息以预知的确定方向流动，即从神经元的接收信息部分传到轴突的电脉冲起始部分，再传到轴突终端的突触，以与其它神经元通信。

连接的专一性原则：神经元之间无细胞质的连续，神经元不构成随机网络，每一个神经元与另一些神经元构成精确的联接。;人工神经元的工作原理;f称为激活函数或激励函数，它执行对该神经元所获得输入的变换，反映神经元的特性。常用的激活函数类型如下。

（1）线性函数

f(x)=kx+c

（2）符号函数

f(x)=1 当x≥0

f(x)=0 当x0

较好地模拟了生物学过程

;（3）（0,1）型Sigmoid函数

它将（-∞，