深度學(xué)習(xí)這個(gè)詞指的是訓(xùn)練神經(jīng)網(wǎng)絡(luò)。深代表著非常大的神經(jīng)網(wǎng)絡(luò)。那么神經(jīng)網(wǎng)絡(luò)到底是什么呢?看了這篇文章后你就會(huì)有很直觀的認(rèn)識(shí)了。

我們從一個(gè)房?jī)r(jià)預(yù)測(cè)的例子開(kāi)始吧。因?yàn)楝F(xiàn)在房?jī)r(jià)太他媽貴了，早8年前我父母說(shuō)幫我在北京買(mǎi)個(gè)房，我覺(jué)得不能靠家里人，所以拒絕了，現(xiàn)在想想，我就是個(gè)傻逼，那時(shí)候買(mǎi)了，我現(xiàn)在就不用寫(xiě)博客了~~

據(jù)說(shuō)房?jī)r(jià)都是國(guó)人自己炒的，但除了炒作，還是有些真實(shí)因素影響著房?jī)r(jià)的，通過(guò)對(duì)這些因素進(jìn)行分析，我們就可以預(yù)測(cè)房?jī)r(jià)。假設(shè)你有一個(gè)數(shù)據(jù)集（六個(gè)房屋的面積和價(jià)格）。你想要找到一個(gè)方法（即構(gòu)建一個(gè)函數(shù)）來(lái)通過(guò)面積預(yù)測(cè)出價(jià)格。如果你熟悉線性回歸（不熟悉也沒(méi)關(guān)系，你就把它看作是一個(gè)數(shù)學(xué)理論），那么可以根據(jù)這個(gè)理論在實(shí)際數(shù)據(jù)附近畫(huà)出一條直線，如上圖中紅色的線，它附近的藍(lán)色的小圓圈代表著六個(gè)房子的面積與房?jī)r(jià)對(duì)應(yīng)的點(diǎn)，即根據(jù)這條線（這個(gè)函數(shù)）來(lái)找某一個(gè)面積對(duì)應(yīng)的房?jī)r(jià)，那么除了些誤差外，基本上是準(zhǔn)的。另外我們知道價(jià)格永遠(yuǎn)不會(huì)是負(fù)的，除非你是黑社會(huì)，占了別人的房子還要讓別人給你錢(qián)。所以，當(dāng)面積為零，價(jià)格也為零，所以上面的直線要拐個(gè)彎。你可以把上面這個(gè)根據(jù)面積來(lái)預(yù)測(cè)價(jià)格的函數(shù)看作一個(gè)非常簡(jiǎn)單的神經(jīng)元網(wǎng)絡(luò)（這幾乎是最簡(jiǎn)單的神經(jīng)元網(wǎng)絡(luò)）。如右邊的圖，黃色的圈為一個(gè)神經(jīng)元，房子的大小為x，它作為輸入進(jìn)入這個(gè)神經(jīng)元，然后神經(jīng)元輸出房?jī)r(jià)y。

在神經(jīng)網(wǎng)絡(luò)相關(guān)文獻(xiàn)中，你會(huì)經(jīng)常看到這個(gè)函數(shù)（上面紅色的線）。這個(gè)函數(shù)在一定時(shí)間內(nèi)為0，然后突然起飛飆升。它被稱(chēng)為線性單元函數(shù)（ReLU ，全稱(chēng)為rectified linear unit）?，F(xiàn)在不懂沒(méi)有關(guān)系，后面慢慢就懂了！

上面用面積預(yù)測(cè)房?jī)r(jià)的例子是一個(gè)單神經(jīng)元的小得不能再小的神經(jīng)網(wǎng)絡(luò)，通過(guò)將多個(gè)這樣的神經(jīng)元堆疊在一起就可以形成更大的神經(jīng)網(wǎng)絡(luò)。你可以認(rèn)為一個(gè)神經(jīng)元就像一個(gè)積木塊，你可以通過(guò)將許多這樣的積木塊堆疊在一起來(lái)獲得一個(gè)更大的神經(jīng)網(wǎng)絡(luò)。就房?jī)r(jià)的例子來(lái)說(shuō)，如上圖，影響房?jī)r(jià)的因素不僅僅只有面積，還有例如臥室的數(shù)量。除了面積，臥室的數(shù)量也決定了房屋是否適合你的家庭，例如家里有3個(gè)人或5個(gè)人。另一個(gè)因素是郵政編碼。郵政編碼在這里代表了地理位置，地理位置繁華，那么生活會(huì)方便一些。然后還有一個(gè)因素是學(xué)校質(zhì)量等級(jí)，在中國(guó)素有學(xué)區(qū)房一說(shuō)。這些因素，我們也稱(chēng)之為特征。根據(jù)面積以及臥室的數(shù)量，可以推算是否滿足家庭大小。根據(jù)郵政編碼，可以估算生活便利性，包括去學(xué)校的便利性。最后學(xué)校等級(jí)可以評(píng)估教育質(zhì)量。人們?cè)谫I(mǎi)房時(shí)會(huì)考慮這四個(gè)因素，即它們決定了房?jī)r(jià)，還有他媽的炒作，這里我們暫時(shí)忽略炒作這個(gè)因素吧。所以在這個(gè)例子中，x是代表了這4個(gè)輸入，y是要預(yù)測(cè)的價(jià)格。上面左圖是我們?nèi)藶榉治龅倪^(guò)程，我們分析出哪些輸入會(huì)影響家庭大小的匹配度、生活便利性、教育質(zhì)量，進(jìn)而得出心中的價(jià)格。神經(jīng)網(wǎng)絡(luò)之所以神奇的一點(diǎn)是，我們只需要提供輸入x（面積，臥室數(shù)量…）以及想要得到的結(jié)果y（房?jī)r(jià)），以及用于訓(xùn)練的真實(shí)數(shù)據(jù)（上面六個(gè)房子的面積，臥室數(shù)量…以及價(jià)格），那么中間部分的家庭大小匹配度、生活便利性、教育質(zhì)量都會(huì)由神經(jīng)網(wǎng)絡(luò)自己根據(jù)實(shí)際數(shù)據(jù)訓(xùn)練而得出，如右圖。當(dāng)你再次輸入第7個(gè)房子的特征（面積，郵編…）后，這個(gè)神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)之前訓(xùn)練好的中間部分給出你最終的房?jī)r(jià)。即神經(jīng)網(wǎng)絡(luò)的內(nèi)部過(guò)程取代了人類(lèi)的分析過(guò)程。再舉一個(gè)例子，例如當(dāng)我們教小孩子認(rèn)識(shí)貓時(shí)，我們拿來(lái)一些白貓，告訴他這是貓，再拿來(lái)一些黑貓，告訴他這也是貓，然后拿來(lái)一些狗，告訴他這不是貓，最后拿來(lái)一些花貓，問(wèn)他，他會(huì)告訴你這是貓，但是他是怎么知道的？這個(gè)中間的判斷過(guò)程是怎么樣的？我們不知道。這就是為什么說(shuō)神經(jīng)網(wǎng)絡(luò)很恐怖的原因——它的工作原理太像人類(lèi)了——我們都不知道它內(nèi)部具體是如何運(yùn)作的，即我們不知道它是怎么想的，就像我們不知道小孩具體是如何分辨貓和狗的。馬斯克說(shuō)人工智能很危險(xiǎn)，可能會(huì)毀滅人類(lèi)也不無(wú)道理。

上面所說(shuō)的中間部分的神經(jīng)元稱(chēng)為隱藏神經(jīng)元。可能你注意到了，右圖的神經(jīng)網(wǎng)絡(luò)中，每一個(gè)隱藏神經(jīng)元都獲取了所有特征輸入。左圖中，是我們?nèi)说姆治鲞^(guò)程，我們分析出面積和臥室數(shù)這兩個(gè)特征與家庭大小有關(guān)，而在右圖中，我們把所有特征都提供給每個(gè)隱藏神經(jīng)元，讓神經(jīng)網(wǎng)絡(luò)自己來(lái)分析哪些特征會(huì)從哪些方面影響房?jī)r(jià)。說(shuō)不定神經(jīng)網(wǎng)絡(luò)的分析比人類(lèi)更高效更全面，之前看到過(guò)一個(gè)新聞，F(xiàn)acebook的神經(jīng)網(wǎng)絡(luò)自己發(fā)明了一種溝通方式，因?yàn)樗X(jué)得用人類(lèi)的語(yǔ)言溝通起來(lái)效率太低~~

看完這篇文章后，你應(yīng)該還是對(duì)神經(jīng)網(wǎng)絡(luò)比較朦朧…… 這就對(duì)了，如果就憑一篇文章就讓你懂了神經(jīng)網(wǎng)絡(luò)，那你是天才。

以上就是本文關(guān)于簡(jiǎn)單了解什么是神經(jīng)網(wǎng)絡(luò)的全部?jī)?nèi)容，希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站：

Python與人工神經(jīng)網(wǎng)絡(luò):使用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫(xiě)圖像介紹

70行Java代碼實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)算法分享

如有不足之處，歡迎留言指出。感謝朋友們對(duì)本站的支持！

最新評(píng)論