内容简介：感知器：神经网络的主要部分
作者：Roberto Lopez
神经网络是人工智能中最热门的话题之一，它是基于大脑结构的计算模型，是信息加工结构，具有从数据中进行学习的能力。神经网络有许多类型，最重要的是多层感知器，其中最典型的神经元模型称为感知器，本文中我们将从数学角度解读这个模型。
感知器组成
神经网络最主要的组成是神经元，感知器是最常用的模型。以下为感知器图解：
神经元参数
组合函数
激活函数
激活函数根据组合值产生输出。实际应用涉及到很多有用的激活函数，三种最常用的是逻辑函数、双曲正切函数和线性函数，其他不可导的函数（如阈值函数）这里暂且不提。
逻辑函数形状为s型，单调递增，平衡在线性和非线性之间，值域为(0,1)，对于分类应用是很好的性质，因为输出可以根据概率被解释。
双曲正切函数也是在神经网络领域中常用的一个s型函数，类似逻辑函数。主要的不同点是值域 (-1,1) ，在近似应用中很实用。
线性激活函数的神经元的输出等于其组合值，在近似应用中也很实用。
组合值 c=1.55 ，因为选择的是双曲正切函数，该神经元的激活结果为
输出函数
输出计算在感知器中最为重要。给定一系列输入信号，计算出输出信号。以下为信息在感知器中的处理流程：
神经元由输入到输出的最终表现为：
可见，输出函数合并了组合值和激活函数。
结论
神经元是生物神经系统中单个神经元行为的数学模型。单个的神经元可以解决很多简单的学习任务，但是当它们在网络结构中相互连接时，会显现出神经网络的能力。人工神经网络的结构与神经元的数量及其之间的连接有关。下图为前馈神经网络结构。
虽然这幅图展示了感知器的运行方式，但仍然有其他不同特征的神经元模型用于不同目的，其中有规模神经元、主成分神经元、非规模神经元、概率神经元。上图中，规模神经元为黄色，非规模神经元为红色。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 神经网络历史以及浅析神经网络与感知机
- 用卷积神经网络来评估图形感知能力
- 模型压缩：识别感知的深度神经网络信道裁剪 | 论文分享
- 【火炉炼AI】深度学习001-神经网络的基本单元-感知器
- ECCV2018 | 美图云联合中科院提出基于交互感知注意力机制神经网络的行为分类技术
- 庖丁解LevelDB之整体感知
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
