類神經網路初探 基本架構與感知器

大家好我是lemo,最近在研究類神經網路,雖然很雷…..

回到正題,相信大家都聽過類神經網路。類神經網路是一種利用電腦來模仿生物神經網路的結構和功能的運算模型,它使用大量的相連人工神經元來模仿生物神經網路的能力,並且經過學習的過程,使得電腦能夠就像人類那樣具有推理能力。

畢竟是模仿生物神經網路來的,那我就不得不先介紹神經細胞。神經細胞的構造如下:

如圖,有樹突、細胞本體、軸突,三大部份。其樹突主要為接收訊號端,而軸突為送出訊號端,細胞本體則是主要作運算的地方。神經細胞就是由樹突和軸突互相擴張連結的,基本上連結跟智力成正比,然而你可能會想電腦跟人腦來比電腦不是運算的比較快,所以電腦比人腦聰明,但電腦可模擬的連結數不比人腦多 why? 其實電腦正名為計算機,顧名思義他就只能"計算"。而人腦可以作學習、辨識、思考…..等電腦不能作的事情,這是電腦望塵莫及的。

說了這麼多想必大家都想知道如何模擬了,首先我們要學習的是感知器模型,如下圖:

根據圖來看有n個輸入端,這些輸入端其實就是樹突,而輸出端就是軸突。然而這個模型中間有一個作總和的Σ和一個拿來作判斷輸出的函數φ(),為了將模型寫成程式,我們必須將模型些作一個公式,公式如下:

sum = Σ an*wn //輸入乘權重  
t = φ(sum)    //將總和結果帶入判斷函數  

接下來我們要深入探討判斷函數,判斷函數大體上可以分為三種常用的:

第一種

φ(v){1  if v>=0
0  if v<=0}  

這種判斷函數只有0、1兩種輸出。

第二種

φ(v){1  if v>=0.5
              v  if -0.5<v<0.5
              0  if v<=-0.5}

這一種判斷函數可以讓v收束在±0.5之間。

第三種

φ(v)=1/1+exp(-av)

第三種函數是一個曲線函數,此種函數之後普片地使用 有關此函數詳細: (https://en.wikipedia.org/wiki/Sigmoid_function)

有了這些知識就可以作最基本的感知器,當然類神經網路沒有這麼簡單,假入有空我下一張會教類神經網路的架構。

※最近超忙的,第一次出文鞭小力一點QAQ