6.2 人工神经网络与神经网络优化算法在线视频

这一节我们学习人工神经网络与神经网络优化算法

人工神经网络是一种模拟生物神经网络行为特征

进行分布式并行信息处理的算法数学模型

它是生命科学与工程科学相互交融

相互渗透的一门交叉学科

正如前面所讲的人工神经网络是模拟生物界的

神经网络来进行寻优的

那么就像我们知道的

我们说目前人类的大脑应该还是在多功能情况下的

最优的这么一个系统

那么大脑是如何能够这么精密

这么快速的去寻找最优的解决方案

那么人们对它进行了思考

形成了人工神经网络

那么工程界我们的科学家数学科学家与生物的

这样的科学家进行联合

那么进行了分析

我们说这么复杂的一个大脑

它实际上所呈现出来的是由许许多多的

我们说的是单位的神经元相互连接

形成网络而产生工作的

那么比如这张图就给出了一个人工神经网络的

神经元结构

那么这里神经元包括什么

包括这里边有我们这里的神经元的细胞体

细胞体里包括细胞核

还包括是树突然后长出了一个长长的

我们称为是轴突

那么轴突有轴突的末梢

轴突末梢与下一个神经元进行联系

那么因此很多个神经元之间经过特殊的规则的

这样的一个网络连接

形成了神经网络

当人受到某个刺激

或者生物受到某个刺激

那么神经元每一个神经元会有一个阀值

当刺激超过这个阀值的时候

该神经元会产生一个电信号

电信号会通过这样的连接去走向下一个神经元

那么每一个神经元由于网络连接就和这张图一样

它会连接很多个神经元

那么当从其他的神经元输入来的电信号

记到一定程度时候

超过它本身的阀值的时候

它才会去产生新的电信号

传递给下一个神经元

那么这样子的话我们看到就像我们这张图一样

我们什么通过了多输入多输出的这么一个网络结构

那么使什么我们能够找到最优的解决方案

而这里面特点我发现什么

每一个神经元结构非常简单

就像我们这里图上所画出来的每一个神经元

就是一个判断是否超过阀值的这么一个过程

超过阀值产生电信号到下一个神经元这么一个过程

每一个结构非常简单

通过网络连接形成了功能强大的神经网络结构

这是人工神经网络或者神经网络的一个工作原理

我们来看一看

生物式网络神经元和人工神经网络的对照关系

左边是生物神经元

中间是人工的神经网络

右边是我们的作用

那么第一行生物神经元包括树突

那么对于人工神经网络

就是我们说的输入层

那么作用接收输入信号可能是外界的输入信号

就是你的整个系统的输入

也有可能是由其他神经元传来的输入信号

细胞体

我们这里边就是我们说的加权和

因为我们说的每一个神经元的细胞体的执行的功能

就是一个加权和 加权谁

加权其他神经元传来的电信号或者刺激信号的

这么一个加权和然后判断是否超过阀值

所以是加权和 作用是加工和处理信号

轴突我们的这里边的阀值函数或称为是激活函数

我们是控制输出

是否输出是否不输出

最后是突触 我们这里的输出层

或者说我们输出的结果

这是整个神经网络的一个计算的一个过程

这是它的计算一个过程和对比

这是我们的对照表

那么在神经网络里面

它实际上现在发展一直是优化算法里边的或者说

是现代设计方法里面的一个很强的一个发展分支

那么它里边包含了许多包括了单层前向的神经网络

包括了多层前向的神经网络以及等等

其他的神经网络

那么并且我们知道现在近几年人们发展的新一代的

人工智能里边

我们说的机器学习深度学习

我们这里发展很多

包括里边一个重要的分支就是什么

人工神经网络的变成了深度神经网络

包含了更多影视层的神经网络

比如说卷积神经网络等等这样的一些模型

那么人们发现这些模型对于进行模式辨识模式识别

进行我们的这样一个分类聚类都有很强很强的很好的

这样一个效果

那么这对于神经网络

那么神经网络作为一门单独的科学

那么也有它的自己的一个体系

或者是它的一个课程

那么本门课我们给大家简单的介绍

人工神经网络的原理

它的工作过程是什么

那么如果有兴趣同学或者在实际过程中

需要用到的时候

我们可以去查阅相关的参考文献

相关的数据也比如我们这本书上

我们也对它进行了较为详细的讲解

同学们可以去进行学习

然后来加深理解来进行使用

这是人工神经网络