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有很直觀的認(rèn)識了。

我們從一個(gè)房價(jià)預(yù)測的例子開始吧。因?yàn)楝F(xiàn)在房價(jià)太他媽貴了，早8年前我父母說幫我在北京買個(gè)房，我覺得不能靠家里人，所以拒絕了，現(xiàn)在想想，我就是個(gè)傻逼，那時(shí)候買了，我現(xiàn)在就不用寫博客了~~

據(jù)說房價(jià)都是國人自己炒的，但除了炒作，還是有些真實(shí)因素影響著房價(jià)的，通過對這些因素進(jìn)行分析，我們就可以預(yù)測房價(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)）來通過面積預(yù)測出價(jià)格。如果你熟悉線性回歸（不熟悉也沒關(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)房子的面積與房價(jià)對應(yīng)的點(diǎn)，即根據(jù)這條線（這個(gè)函數(shù)）來找某一個(gè)面積對應(yīng)的房價(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)不會是負(fù)的，除非你是黑社會，占了別人的房子還要讓別人給你錢。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)面積來預(yù)測價(jià)格的函數(shù)看作一個(gè)非常簡單的神經(jīng)元網(wǎng)絡(luò)（這幾乎是最簡單的神經(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)元輸出房價(jià)y。

在神經(jīng)網(wǎng)絡(luò)相關(guān)文獻(xiàn)中，你會經(jīng)?？吹竭@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。它被稱為線性單元函數(shù)（ReLU ，全稱為rectified linear unit）。現(xiàn)在不懂沒有關(guān)系，后面慢慢就懂了！

上面用面積預(yù)測房價(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，你可以通過將許多這樣的積木塊堆疊在一起來獲得一個(gè)更大的神經(jīng)網(wǎng)絡(luò)。就房價(jià)的例子來說，如上圖，影響房價(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，那么生活會方便一些。然后還有一個(gè)因素是學(xué)校質(zhì)量等級，在中國素有學(xué)區(qū)房一說。這些因素，我們也稱之為特征。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)校等級可以評估教育質(zhì)量。人們在買房時(shí)會考慮這四個(gè)因素，即它們決定了房價(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)測的價(jià)格。上面左圖是我們?nèi)藶榉治龅倪^程，我們分析出哪些輸入會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（房價(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)會根據(jù)之前訓(xùn)練好的中間部分給出你最終的房價(jià)。即神經(jīng)網(wǎng)絡(luò)的內(nèi)部過程取代了人類的分析過程。再舉一個(gè)例子，例如當(dāng)我們教小孩子認(rèn)識貓時(shí)，我們拿來一些白貓，告訴他這是貓，再拿來一些黑貓，告訴他這也是貓，然后拿來一些狗，告訴他這不是貓，最后拿來一些花貓，問他，他會告訴你這是貓，但是他是怎么知道的？這個(gè)中間的判斷過程是怎么樣的？我們不知道。這就是為什么說神經(jīng)網(wǎng)絡(luò)很恐怖的原因——它的工作原理太像人類了——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。馬斯克說人工智能很危險(xiǎn)，可能會毀滅人類也不無道理。

上面所說的中間部分的神經(jīng)元稱為隱藏神經(jīng)元?？赡苣阕⒁獾搅?，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^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)自己來分析哪些特征會從哪些方面影響房價(jià)。說不定神經(jīng)網(wǎng)絡(luò)的分析比人類更高效更全面，之前看到過一個(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得用人類的語言溝通起來效率太低~~

看完這篇文章后，你應(yīng)該還是對神經(jīng)網(wǎng)絡(luò)比較朦朧…… 這就對了，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)于簡單了解什么是神經(jīng)網(wǎng)絡(luò)的全部內(nèi)容，希望對大家有所幫助。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)識別手寫圖像介紹

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。感謝朋友們對本站的支持！

最新評論