深度学习1-感知器

悠悠 2024-05-01 16:13 72阅读 0赞

## 什么是深度学习 ##

人工智能专业中，有一种算法叫做神经网络，如图所示：

![3abcfd5cd28746eba1263f8ef3577738.png][]

隐藏层顾名思义是对外部来说是不可见的

隐藏层大于2的神经网络叫做深度神经网络

深度学习就是使用深层架构（比如，深度神经网络）的机器学习方法。

上面的规则定义了全连接神经网络结构，事实上还有其他神经网络：卷积神经网络（CNN）、循环神经网络（RNN），他们的连接方式都不同

深度网络相较于浅层网络：

优势：使用相对少的神经元就可以拟合相同的函数；更节约资源

劣势：需要大量数据，不容易训练

## 感知器（也叫神经元） ##

#### **1.基本组成：** ####

*  **输入与权值** 一个感知器可以接收多个**输入xi**，每个输入值对应一个**权值wi**
 *  **偏置项** 就是下面公式（1）中的**b**
 *  **激活函数** 感知器的激活函数可以有很多选择，比如我们可以选择下面这个**阶跃函数**来作为激活函数，通过这个激活函数可以进行简单的布尔运算，如实现**and函数、or函数，但不能实现异或运算**：

![9d245c324ada4070a9bef4dba65bf97b.png][]

*  **输出** 感知器的输出由下面这个公式来计算![807a6e390e9a4d00a3df395aceb6de81.png][]

#### 2.基本用途： ####

可以拟合任何线性函数，即可以解决任何线性分类和线性回归问题

#### 3.迭代训练 ####

（1）感知器训练算法：将wi与b初始化为0，利用感知器规则反复迭代修改wi与b，直到训练完成

（2）感知器规则：

![2d27b56b163045789642faf76eb0d6f8.png][]

b是偏置项，也可以看做输入x后值永远是1的权重

t是训练样本的**实际值**，一般称之为**label**

**y**而是感知器的输出值

![b7bcc589a52349c2925225256964c750.png][]是一个称为**学习速率**的常数，其作用是控制每一步调整权的幅度

[3abcfd5cd28746eba1263f8ef3577738.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/faab608f8564481f8502b322ddc21893.png
[9d245c324ada4070a9bef4dba65bf97b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/3614001905e44e199da92ae32d5b42d1.png
[807a6e390e9a4d00a3df395aceb6de81.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/e695fd521bc94daf86fc8f7b54422437.png
[2d27b56b163045789642faf76eb0d6f8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/26da28ee17594c60857edb9ff7196025.png
[b7bcc589a52349c2925225256964c750.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/7dd4551467254d6abaeb8af8589eba42.png