趋近智
本章将介绍神经网络 (neural network)的基本思想。我们首先分析人工神经元的结构和功能,它是最基本的处理单元。您将学习输入如何通过权重 (weight)和偏置 (bias)进行处理,这些是可学习的参数 (parameter),在诸如 的计算中得以体现。
接着,我们将介绍Sigmoid、Tanh和ReLU等激活函数 (activation function),解释它们在引入非线性()中的作用,这对学习复杂模式是必需的。最后,我们将看到这些单个神经元如何被组织成层(输入层、隐藏层和输出层),并连接起来形成前馈神经网络的基本架构。到本章结束时,您将理解主要组成部分以及它们如何配合处理信息。
1.1 从生物神经元到人工神经元
1.2 权重和偏置:网络的参数
1.3 激活函数:引入非线性
1.4 网络结构:层与连接
1.5 一个简单的前馈网络示例
1.6 实践:计算神经元输出