机器学习:如何理解神经网络可以用来解决复杂的非线性函数
来源:互联网 发布:两名潜水员失踪知乎 编辑:程序博客网 时间:2024/06/06 11:47
我们知道神经网络里面有很多的层,每一层又有很多的神经元。看起来就非常复杂,似乎输入与输出都很凌乱,对它的理解也很难。那么我们可以从单个神经元入手,考虑单个神经元的输入与输出之间的关系,再扩展到整个神经网络。
从图中可以得到:
假如x1和x2的组合如下:
我们将x1和x2输入到假设函数,可以得到:
g(-30+20*0+20*0)=g(-30)≈0
g(-30+20*0+20*1)=g(-10)≈0
g(-30+20*1+20*0)=g(-10)≈0
g(-30+20*1+20*1)=g(10)≈1
事实上,这就像是一个“与”操作。
那么对于“或”操作也是类似的。“或”操作的
g(-10+20*0+20*0)=g(-10)≈0
g(-10+20*0+20*1)=g(10)≈1
g(-10+20*1+20*0)=g(10)≈1
g(-10+20*1+20*1)=g(30)≈1
可以看到,通过选择不同的
那么对于复杂一点的操作,比如“异或”操作呢?
“异或”操作使用两层神经元。通过选择如图的参数,我们可以知道:
所以,经过一个神经元,其实就是在做一种判断,像“与”,“或”这种简单的逻辑。单个神经元就可以做到了,但是对于复杂的判断,就不是一个神经元就可以搞定的。随着复杂程度的增加,神经网络也就形成了。
其实这跟数字电路还有点像。以前学习数字电路的时候,也是从简单的与非门,或门等简单的逻辑电路学起,然后复杂的逻辑都是通过简单逻辑的组合得到的。
阅读全文
0 0
- 机器学习:如何理解神经网络可以用来解决复杂的非线性函数
- 【神经网络学习笔记】非线性函数拟合
- BP神经网络的非线性函数拟合
- 什么是序列化和反序列化,可以用来做什么?如何在OC中实现复杂对象的存储
- RBF(径向基)神经网络 非线性函数回归的实现
- 【机器学习】C++版本libSVM的使用和非线性核函数分类代码
- 【机器学习】基于粒子群算法的非线性函数寻优
- 【机器学习】基于人工鱼群算法的非线性函数寻优
- 【机器学习】基于自适应变异粒子群算法的非线性函数寻优
- 【机器学习】基于人工鱼群算法的多元非线性函数寻优
- 【机器学习】基于蚁群算法的多元非线性函数极值寻优
- 机器学习:利用核函数进行非线性分类
- 如何从信号分析角度理解卷积神经网络的复杂机制
- 【神经网络学习笔记】遗传算法优化BP神经网络-非线性函数拟合
- Hinton Neural Networks课程笔记quiz 3:带有隐层的非线性神经网络不一定能学习线性函数
- 如何解决大规模机器学习的三大痛点?
- 如何理解复杂的声明
- 机器学习可以解决哪些类型的任务?
- 647. Palindromic Substrings
- php中urldecode和urlencode的具体使用
- css命名规范
- MyBatis基础学习笔记
- Linux socket 网络编程入门
- 机器学习:如何理解神经网络可以用来解决复杂的非线性函数
- HTML中,按钮button与submit区别
- 微信摇一摇
- 《C++primer(第五版)》学习笔记-第十章:泛型算法
- C语言实现----顺序表的基本操作(1)
- QML之基础-新建工程代码分析
- 优雅的搭建SSM框架
- I
- 同/异步、阻塞/非阻塞、进/线/协程