浅谈神经网络

眼下最热门的技术，绝对是人工智能。

人工智能的底层模型是'神经网络'（neural network）。许多复杂的应用（比如模式识别、自动控制）和高级模型（比如深度学习）都基于它。学习人工智能，一定是从它开始。

什么是神经网络呢？

它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

一个神经网络的搭建，需要满足三个条件：

1.输入和输出；

2.权重（w）和阈值（b）；

3.多层感知器的结构。

也就是需要事先画出下面的那张图：

其中，最困难的部分就是确定权重（w）和阈值（b）。目前为止，这两个值都是主观给出的，但现实中很难估计它们的值，必需有一种方法，可以找出答案。

这种方法就是试错法。其他参数都不变，w（或b）的微小变动，记作Δw（或Δb），然后观察输出有什么变化。不断重复这个过程，直至得到对应最精确输出的那组w和b，就是我们要的值。这个过程称为模型的训练。

因此，神经网络的运作过程如下：

1.确定输入和输出；

2.找到一种或多种算法，可以从输入得到输出；

3.找到一组已知答案的数据集，用来训练模型，估算w和b；

4.一旦新的数据产生，输入模型，就可以得到结果，同时对w和b进行校正。

可以看到，整个过程需要海量计算。所以，神经网络直到最近这几年才有实用价值，而且一般的 CPU 还不行，要使用专门为机器学习定制的 GPU 来计算。

扫一扫关注公众号！