到底什么是神經網絡呢？?在陷入各種各樣概念、名詞、理論之前，請務必提醒自己，只有從整體上理解到底什么是神經網絡，之后的深入學習才不至于迷失方向。

請看下面三張圖：

圖一圖二圖三

這三幅圖跟就能很好的對神經網絡進行一個整體的描述：神經網絡就是一個黑箱，和人腦一樣。

（1）我們給這個黑箱一些輸入和輸出，這個黑箱就能夠自動去尋找這些輸入和輸出之前的關系，等以后我們再輸入一些東西時，他們便能給出我們一些輸出。 就跟人腦一樣，我們不停的輸入一些人，輸出對應性別，等腦子慢慢學習和長大，以后再看到一些人，就能分辨他們的性別了。

（2）對于有些輸入，不一定就會有輸出，而是能夠找到這些輸入之間的關系。 就跟人腦一樣，我們看人，輸入各種各樣的人，隨著我們人腦的不停學習和訓練，會自動把他們分為美、普通、丑等關系。（突然想到，小的時候不知道丑，等到長大了突然有一點感覺自己穿的好土好丑）

因此，叫做神經網絡，還是很貼切的。 接下來是其他幾點類比：

（1）人腦有聰明的，也有笨的，所以我們以后構造的神經網絡也有聰明和笨之分，只有不斷的訓練，不斷調整合適的參數，才能讓我們設計的神經網絡越來越聰明。

（2）人腦都有自己適合做的事情，比如有些人適合學理科，有些人適合學文科；有些人適合搞經濟，有些人適合搞政治。 。 同樣，各種各種的神經網絡模型，也有自己適合做的事情，只有搞懂神經網絡的基本原理，才能夠根據自己的實際需要，選擇合適的網絡。 （突然想起前幾天一個小時候的同學說的一句話：“TMD過了這么多年，我發現一點：我就根本不適合上學”）。

（3）人腦也有誤判的時候，因此用神經網絡，是無法做到100%準確的，因此對于要求有百分之百準確度的事情，不能用神經網絡，需要建立精確的數學模型和公式來計算才行。

總之，就一句話，“神經網絡就是一個神奇的黑箱”。 接下來，我們就一起去打開這個黑箱，看看他里面到底是怎么回事。

二、打開黑箱

剛剛打開黑箱，你可能驚呆了，里面都是一些什么亂七八糟的東西，完全不懂啊。 不用慌張，我們一點點的去分析。

神奇的造物主創造了人腦，于是有些人也試圖去創造神經網絡去模擬人腦。 假如是你要設計一個神經網絡，你會怎么做呢？ 如果你百思不得其解，那么好吧，我們一起來看看前輩門是怎么設計的吧。 這里的前輩們有很多，為了使大家既能?理解神經網絡原理?，又?能夠實踐操作?，我把前輩們分成了兩類：?數學家和程序員。?其中數學家設計了整體的思想，而程序員用程序實現了數學家所說的功能（以Matlab為例進行演示）。

我們看看前輩們是怎么設計的。

我們發現這個黑箱里面有很多?小圓球?，如下圖所示：

這些小圓球還有一個很好聽的名字，叫做“神經元”，剛開始看你可能覺得這些小圓球亂七八糟排列，實際上如果你仔細看的話，他們之間的排列是有規則的，根據他們排列規則不同，神經網絡結構大概分成如下幾種：

（1）前饋型

這些小圓球一個接一個的排列，input表示輸入信號，從前到后，一直到output輸出，神經元和神經元之間沒有信號的傳輸。 其中第一層是輸入單元，第二層稱為隱含層，第三層稱為輸出層（輸入單元不是神經元，因此圖中有2層神經元）。

例如BP神經網絡和感知器神經網就是這么排列的。

（2 ）反饋型

顧名思義，最后的輸入信號不僅輸出就完事了，還會把輸出信號反饋回去，因此叫做反饋型神經網絡。

例如：回歸BP網絡就屬于這一種。

（3）層內有互相結合的

前面的結構，同一層神經元之間沒有聯系，而層內有互相結合的結構，層內神經元會互相有信息傳輸。

怎么樣，是不是很贊賞前輩們，竟然能夠想到這么個辦法，這些小球（神經元）互相連接，就能干很多很多復雜的事情，可是這些小球到底是個什么東西呢，接下來，就進入本文的重點，讓我們深入小球內部看看是怎么個回事。

三、打開小圓球（神經元）

每一個神經元的結構，如下圖所示：（請注意，接下來就要有各種公式符號等等，始終記住，神經網絡是一個黑箱，里面有很多小球（神經元）連接，他們一層一層的排列，有了各種各樣的結構方式）

上面一個圖就是神經元的內部結構圖，雖然它不是一個球，但是你可以想象它外部是有一層圓圓的外殼，包裹著它就好。 我們一點點看看他都有那些東西。

（1）輸入：inputs表示的x1,x2，...，xm表示的是輸入信號，這些輸入信號輸入進各個神經元的∑函數進行一個求和，我們看到他們并是直接相加的，而是每個輸入都乘以了一個系數W之后再相加的，這些W稱為權重，或者叫權值，或者叫做Weight。

（2）bias：我們看到進入∑符號的不僅有輸入乘以Weight，還有一個Bias，他的輸入是1，權值是W0，所以也可以看成是一個固定輸入為1，權重為W0的一個輸入信號。 在其他一些書里面，bias的值會有bi符號表示，或者別的，總之是一個意思。 還要注意的是，這個bias有很多名字，什么閾值、threshold，偏置等等都是一個意思。

（3）激活函數：前面的輸入和bias經過∑求和之后，就會通過一個函數進行處理，進而輸出結果，這個函數就叫做激活函數，也就Activation Function，也叫傳遞函數，也就Transfer Function，也叫TF，總之這些名稱都是一回事。

怎么樣，就是這么一個一個的神經元，就組成了一個神奇的神經網絡，這個魔法的黑箱，就能干很多事情。

那么問題來了，我們可以改變那些東西，進而完成我們各種各樣的問題解決呢？

我們能改動的，無非是下面幾個東西：

1、各神經元的權值

2、bias，廣義上，也是權值

3、激活函數

4、神經網絡的層數

5、各層神經元的個數

6、神經網絡的連接結構

7、輸入輸出的格式和質量

后續再談......

?

實驗證明大腦利用同一個學習算法實現了聽覺、視覺等等所有的功能，這也是神經網絡算法美好的愿景。

轉載于:https://www.cnblogs.com/shuaishuaidefeizhu/p/6832363.html

總結

以上是生活随笔為你收集整理的浅谈神经网络（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。