Heim  >  Artikel  >  Backend-Entwicklung  >  Was ist ein neuronales Netzwerk?

Was ist ein neuronales Netzwerk?

小云云
小云云Original
2017-12-23 16:02:274211Durchsuche

Der Begriff Deep Learning bezieht sich auf das Training neuronaler Netze. Deep repräsentiert sehr große neuronale Netze. Was genau ist ein neuronales Netzwerk? Nach der Lektüre dieses Artikels werden Sie ein sehr intuitives Verständnis haben. Dieser Artikel führt hauptsächlich ein einfaches Verständnis dessen ein, was ein neuronales Netzwerk ist, auf das sich Freunde in Not beziehen können.

Beginnen wir mit einem Beispiel einer Immobilienpreisvorhersage. Weil die Immobilienpreise mittlerweile so hoch sind, haben mich meine Eltern vor acht Jahren gebeten, ein Haus in Peking zu kaufen, also habe ich mich geweigert Ich habe es damals gekauft. Es besteht keine Notwendigkeit, jetzt einen Blog zu schreiben. Es wird gesagt, dass die Immobilienpreise von den Chinesen selbst spekuliert werden, aber zusätzlich zur Spekulation Es gibt immer noch einige reale Faktoren, die die Immobilienpreise beeinflussen. Durch die Analyse dieser Faktoren können wir die Immobilienpreise vorhersagen. Angenommen, Sie haben einen Datensatz (Größe und Preis von sechs Häusern). Sie möchten einen Weg finden (d. h. eine Funktion erstellen), um den Preis anhand der Fläche vorherzusagen. Wenn Sie mit linearer Regression vertraut sind (es spielt keine Rolle, wenn Sie nicht damit vertraut sind, stellen Sie es sich einfach als mathematische Theorie vor), können Sie eine gerade Linie in die Nähe der tatsächlichen Daten zeichnen, die auf dieser Theorie basiert, z. B. die rote Linie Im Bild oben und der blauen Linie daneben stellen die kleinen Kreise die Punkte dar, an denen die Fläche der sechs Häuser dem Hauspreis entspricht. Das heißt, mithilfe dieser Linie (dieser Funktion) wird der Hauspreis ermittelt, der a entspricht In bestimmten Bereichen ist es bis auf einige Fehler grundsätzlich korrekt. Darüber hinaus wissen wir, dass der Preis niemals negativ sein wird, es sei denn, Sie sind ein Gangster, der die Häuser anderer Leute übernimmt und von anderen verlangt, Sie zu bezahlen. Wenn also die Fläche Null ist, ist auch der Preis Null, sodass die obige Gerade eine Wendung nimmt. Sie können sich die obige Funktion, die den Preis basierend auf der Fläche vorhersagt, als ein sehr einfaches Neuronennetzwerk vorstellen (dies ist fast das einfachste Neuronennetzwerk). Wie im Bild rechts gezeigt, ist der gelbe Kreis ein Neuron und die Größe des Hauses beträgt x. Es wird in dieses Neuron eingegeben und dann gibt das Neuron den Hauspreis y aus.

In der Literatur zu neuronalen Netzen wird diese Funktion häufig angezeigt (die rote Linie oben). Diese Funktion ist für einen bestimmten Zeitraum 0 und hebt dann plötzlich ab und schnellt in die Höhe. Sie wird als lineare Einheitsfunktion (ReLU, vollständiger Name: gleichgerichtete lineare Einheit) bezeichnet. Es macht nichts, wenn Sie es jetzt nicht verstehen, Sie werden es später verstehen!

Das obige Beispiel für die Verwendung von Flächen zur Vorhersage von Immobilienpreisen ist ein neuronales Netzwerk mit einem einzelnen Neuron, das extrem klein ist. Durch Stapeln mehrerer solcher Neuronen kann ein größeres neuronales Netzwerk gebildet werden. Sie können sich ein Neuron als einen Baustein vorstellen und ein größeres neuronales Netzwerk erhalten, indem Sie viele dieser Bausteine ​​zusammenstapeln. Was das Beispiel der Immobilienpreise betrifft, wie in der Abbildung oben dargestellt, sind die Faktoren, die die Immobilienpreise beeinflussen, nicht nur die Fläche, sondern beispielsweise auch die Anzahl der Schlafzimmer. Neben der Größe entscheidet auch die Anzahl der Schlafzimmer darüber, ob das Haus für Ihre Familie, beispielsweise drei oder fünf Personen, geeignet ist. Ein weiterer Faktor ist die Postleitzahl. Die Postleitzahl stellt hier den geografischen Standort dar. Wenn der geografische Standort wohlhabend ist, wird das Leben bequemer sein. Ein weiterer Faktor ist das Schulqualitätsniveau, das in China als Schulbezirk Fangyi bekannt ist. Diese Faktoren werden auch Merkmale genannt. Anhand der Fläche und Anzahl der Schlafzimmer lässt sich abschätzen, ob es der Familiengröße gerecht wird. Anhand der Postleitzahl können die Annehmlichkeiten abgeschätzt werden, einschließlich der einfachen Erreichbarkeit von Schulen. Schließlich kann die Schulbewertung die Qualität der Bildung beurteilen. Die Leute werden diese vier Faktoren berücksichtigen, wenn sie ein Haus kaufen, das heißt, sie bestimmen den Preis, und verdammt noch mal, lassen Sie uns den Hype-Faktor vorerst ignorieren. In diesem Beispiel stellt x also diese vier Eingaben dar und y ist der vorherzusagende Preis. Das Bild oben links zeigt unseren manuellen Analyseprozess. Wir analysieren, welche Eingaben sich auf die Übereinstimmung von Familiengröße, Lebenskomfort und Bildungsqualität auswirken, und ermitteln dann den Preis. Das Magische an neuronalen Netzen ist, dass wir nur die Eingabe x (Fläche, Anzahl der Schlafzimmer...) und das gewünschte Ergebnis y (Hauspreis) sowie die realen Daten, die für das Training verwendet werden (die Fläche von ​) bereitstellen müssen ​Die sechs Häuser oben, die Anzahl der Schlafzimmer) ... und der Preis), dann werden die Anpassung der Familiengröße, der Lebenskomfort und die Bildungsqualität im mittleren Teil vom neuronalen Netzwerk selbst basierend auf dem tatsächlichen Datentraining ermittelt, wie gezeigt rechts. Wenn Sie die Eigenschaften des siebten Hauses erneut eingeben (Gebiet, Postleitzahl ...), erhalten Sie über dieses neuronale Netzwerk den endgültigen Hauspreis basierend auf dem zuvor trainierten Mittelteil. Das heißt, der interne Prozess des neuronalen Netzwerks ersetzt den menschlichen Analyseprozess. Um ein weiteres Beispiel zu nennen: Wenn wir Kindern etwas über Katzen beibringen, bringen wir ein paar weiße Katzen mit und sagen ihnen, dass es Katzen sind, dann bringen wir ein paar schwarze Katzen mit und sagen ihnen, dass es sich auch um Katzen handelt, und dann bringen wir ein paar Hunde mit und sagen ihnen das Das sind Katzen. Bringen Sie schließlich ein paar getigerte Katzen mit und fragen Sie ihn, dass es Katzen sind. Wie läuft das Zwischenurteil ab? Wir wissen es nicht. Deshalb sind neuronale Netze beängstigend – sie funktionieren so ähnlich wie Menschen – wir wissen nicht, wie sie intern funktionieren, das heißt, wir wissen nicht, was sie denkt, genauso wie wir nicht wissen, wie ein Kind das sagen soll Unterschied zwischen Katzen und Hunden speziell. Musk sagte, dass künstliche Intelligenz gefährlich sei und die Menschheit zerstören könne.

Die oben erwähnten Neuronen im mittleren Teil werden versteckte Neuronen genannt. Möglicherweise ist Ihnen aufgefallen, dass im neuronalen Netzwerk rechts jedes verborgene Neuron alle Merkmalseingaben empfängt. Das Bild links zeigt unseren menschlichen Analyseprozess. Wir haben analysiert, dass die beiden Merkmale Fläche und Anzahl der Schlafzimmer mit der Größe der Familie zusammenhängen. Im Bild rechts stellen wir jedem verborgenen Neuron alle Merkmale zur Verfügung das neuronale Netzwerk selbst, um zu analysieren, welche Merkmale sich in welchen Aspekten auf die Immobilienpreise auswirken. Vielleicht ist die Analyse neuronaler Netze effizienter und umfassender als die von Menschen. Ich habe zuvor eine Neuigkeit gesehen, dass das neuronale Netzwerk von Facebook eine Kommunikationsmethode erfunden hat, weil es der Meinung war, dass die Kommunikation in menschlicher Sprache zu ineffizient sei~~

Verwandte Empfehlungen:

Wie man mit Python ein zweischichtiges neuronales Netzwerk und ein Perzeptronmodell implementiert

Detaillierte Erläuterung der theoretischen Grundlagen neuronaler Systeme Netzwerke und Python-Implementierungsmethoden

Detaillierte Grafik- und Texterklärung eines einfachen neuronalen Netzwerkalgorithmus, der in JavaScript implementiert ist

Das obige ist der detaillierte Inhalt vonWas ist ein neuronales Netzwerk?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn