神经网络MLP快速入.ppt
《神经网络MLP快速入.ppt》由会员分享,可在线阅读,更多相关《神经网络MLP快速入.ppt(30页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、神经网络学习交流报告目录CONTENTE神经元模型1感知机与多层神经网络2应用一:MLP分类器3应用二:MLP的3D可视化4神经元模型人工神经网络(ann)是一种计算模型,启发自人类大脑处理信息的生物神经网络。人工神经网络在语音识别、计算机视觉和自然语言理领域取得了一系列突破,让机器学习研究和产业兴奋了起来。神经网络(neural networks)方面的研究很早就已经出现,今天“神经网络”已是一个相当大的、多学科交叉的学科领域。神经网络中最基本的成分是神经元(neuron)模型,一般称作节点(node)或者单元(unit)。节点从其他节点接收输入,或者从外部源接收输入,然后计算输出。每个输入
2、都辅有权重(weight,即 w),权重取决于其他输入的相对重要性。节点将函数 f(定义如下)应用到加权后的输入总和,如图 1 所示:神经元模型还有配有权重 b(称为偏置(bias)或者阈值(threshold)的输入 1。神经元模型函数 f 是非线性的,叫做激活函数。激活函数的作用是将非线性引入神经元的输出。因为大多数现实世界的数据都是非线性的,我们希望神经元能够学习非线性的函数表示,所以这种应用至关重要。每个(非线性)激活函数都接收一个数字,并进行特定、固定的数学计算。在实践中,可能会碰到几种激活函数:Sigmoid(S 型激活函数):输入一个实值,输出一个 0 至 1 间的值(x)=1/
3、(1+exp(x)tanh(双曲正切函数):输入一个实值,输出一个-1,1 间的值 tanh(x)=2(2x)1ReLU:ReLU 代表修正线性单元。输出一个实值,并设定 0 的阈值(函数会将负值变为零)f(x)=max(0,x)神经元模型将上述情形抽象,就是一直沿用至今的“M-P”神经元模型。在这个模型中,神经元收到来自n个其他神经元传递来的输入信号,这些输入信号通过带权重(w)连接进行传递,神经元接收到的输入值将与神经元的阈值进行比较,然后通过“激活函数”得到神经元的输出。感知机与多层神经网络前馈神经网络是最先发明也是最简单的人工神经网络。它包含了安排在多个层中的多个神经元(节点)。相邻层
4、的节点有连接或者边(edge)。所有的连接都配有权重。感知机与多层神经网络一个前馈神经网络可以包含三种节点:1.输入节点:输入节点从外部世界提供信息,总称为输入层。在输入节点中,不进行任何的计算仅向隐藏节点传递信息。2.隐藏节点:隐藏节点和外部世界没有直接联系(由此得名)。这些节点进行计算,并将信息从输入节点传递到输出节点。隐藏节点总称为隐藏层。尽管一个前馈神经网络只有一个输入层和一个输出层,但网络里可以没有也可以有多个隐藏层。3.输出节点:输出节点总称为输出层,负责计算,并从网络向外部世界传递信息。在前馈网络中,信息只单向移动从输入层开始前向移动,然后通过隐藏层(如果有的话),再到输出层。在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 神经网络 MLP 快速
限制150内