机器学习基础人工神经网络2020/12/3人工神经网络第 10-1 课人工神经网络人工神经网络 : 导论单层神经网络多层神经网络自组织映射 (SOM)其他神经网络sklearn.neural_network2020/12/3人工神经网络第 10-2 课人工神经网络 : 导论大脑和神经元（）神经元是大脑的组成部分它们之间的相互连接形成了程序，使我们能够解决所有的日常任务它们能够执行并行和容错计算关于大脑中的神经元如何工作以及它们如何学习的理论模型，从人工智能开始就已经发展起来了这些模型中的大多数都非常简单（但功能强大），与真正的大脑神经元有细微的相似之处2020/12/3人工神经网络第 10-3 课人工神经网络 : 导论A neuron model （神经元模型）1943 年， [McCulloch and Pitts, 1943] 抽象出“ M-P 神经元模型” , 在这个模型中， 神经元接收到来自 n 个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接 ( connection) 进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数” (activation function) 处理以产生神经元的输出。2020/12/3人工神经网络第 10-4 课人工神经网络导论，“ 0”“1” ，“ 1” ，“ 0” 。，，， sigmoid ，（ 0 ，1 ），“”（挤压函数）。2020/12/3人工神经网络第 10-5 课人工神经网络 : 导论神经元 / 网络的组织， /通常神经元相互连接形成网络，基本上有两种架构前馈网络（），神经元只在一个方向上连接递归网络（，），输出端可以连接到输入端前馈网络按层组织，一层连接另一层单层神经网络（感知器网络，） : 输入层（），输出层（）多层神经网络 : 输入层，隐层（），输出层2020/12/3人工神经网络第 10-6 课人工神经网络 : 导论作为逻辑门的神经元（）神经网络的最初研究将神经元定义为能够模拟逻辑门（阈值逻辑单元， TLU ）的函数输入 xi{0∈， 1} ，权重 wi{+1∈，− 1} ，阈值 w0R∈，激活函数阈值函数 :如果 x≥w0 ，则 g(x)=1 ，否则为 0神经元组可以计算布尔函数，组成计算 OR ， AND 和NOT 函数的 TLU2020/12/3人工神经网络第 10-7 课人工神经网络 : 导论作为逻辑门的神经元（）2020/12/3人工神经网络第 10-8 课Artificial Neural NetworksArtificial Neural Networks: IntroductionSingle Layer Neural NetworksMultiple Layer Neural NetworksSelf-Organizing Map (SOM)Other Neur...
