機(jī)器學(xué)習(xí)中有一個重要的算法，那就是人工神經(jīng)網(wǎng)絡(luò)算法，聽到這個名稱相信大家能夠想到人體中的神經(jīng)。其實(shí)這種算法和人工神經(jīng)有一點(diǎn)點(diǎn)相似。當(dāng)然，這種算法能夠解決很多的問題，因此在機(jī)器學(xué)習(xí)中有著很高的地位。下面我們就給大家介紹一下關(guān)于人工神經(jīng)網(wǎng)絡(luò)算法的知識。

1.神經(jīng)網(wǎng)絡(luò)的來源

我們聽到神經(jīng)網(wǎng)絡(luò)的時候也時候近一段時間，其實(shí)神經(jīng)網(wǎng)絡(luò)出現(xiàn)有了一段時間了。神經(jīng)網(wǎng)絡(luò)的誕生起源于對大腦工作機(jī)理的研究。早期生物界學(xué)者們使用神經(jīng)網(wǎng)絡(luò)來模擬大腦。機(jī)器學(xué)習(xí)的學(xué)者們使用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的實(shí)驗(yàn)，發(fā)現(xiàn)在視覺與語音的識別上效果都相當(dāng)好。在BP算法誕生以后，神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了一個熱潮。

2.神經(jīng)網(wǎng)絡(luò)的原理

那么神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)理是什么？簡單來說，就是分解與整合。一個復(fù)雜的圖像變成了大量的細(xì)節(jié)進(jìn)入神經(jīng)元，神經(jīng)元處理以后再進(jìn)行整合，最后得出了看到的是正確的結(jié)論。這就是大腦視覺識別的機(jī)理，也是神經(jīng)網(wǎng)絡(luò)工作的機(jī)理。所以可以看出神經(jīng)網(wǎng)絡(luò)有很明顯的優(yōu)點(diǎn)。

3.神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)

讓我們看一個簡單的神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)。在這個網(wǎng)絡(luò)中，分成輸入層，隱藏層，和輸出層。輸入層負(fù)責(zé)接收信號，隱藏層負(fù)責(zé)對數(shù)據(jù)的分解與處理，最后的結(jié)果被整合到輸出層。每層中的一個圓代表一個處理單元，可以認(rèn)為是模擬了一個神經(jīng)元，若干個處理單元組成了一個層，若干個層再組成了一個網(wǎng)絡(luò)，也就是”神經(jīng)網(wǎng)絡(luò)”。在神經(jīng)網(wǎng)絡(luò)中，每個處理單元事實(shí)上就是一個邏輯回歸模型，邏輯回歸模型接收上層的輸入，把模型的預(yù)測結(jié)果作為輸出傳輸?shù)较乱粋€層次。通過這樣的過程，神經(jīng)網(wǎng)絡(luò)可以完成非常復(fù)雜的非線性分類。

4.神經(jīng)網(wǎng)絡(luò)的應(yīng)用。

圖像識別領(lǐng)域是神經(jīng)網(wǎng)絡(luò)中的一個著名應(yīng)用，這個程序是一個基于多個隱層構(gòu)建的神經(jīng)網(wǎng)絡(luò)。通過這個程序可以識別多種手寫數(shù)字，并且達(dá)到很高的識別精度與擁有較好的魯棒性?？梢钥闯觯S著層次的不斷深入，越深的層次處理的細(xì)節(jié)越低。但是進(jìn)入90年代，神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了一個瓶頸期。其主要原因是盡管有BP算法的加速，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程仍然很困難。因此90年代后期支持向量機(jī)算法取代了神經(jīng)網(wǎng)絡(luò)的地位。

在這篇文章中我們大家介紹了關(guān)于神經(jīng)網(wǎng)絡(luò)的相關(guān)知識，具體的內(nèi)容就是神經(jīng)網(wǎng)絡(luò)的起源、神經(jīng)網(wǎng)絡(luò)的原理、神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu)和神經(jīng)網(wǎng)絡(luò)的應(yīng)用，相信大家看到這里對神經(jīng)網(wǎng)絡(luò)知識有了一定的了解，希望這篇文章能夠幫助到大家。