資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究解釋什麼是神經元，在機器學習中的神經網路的語境下。
神經元是一個數學函式，它接收一個或多個值作為輸入，並輸出一個單一的數值。
它可以定義如下：
這裡，'f' 指的是函式。
我們首先計算輸入 xi 和權重 wi 的加權和。
權重 wi 也稱為啟用值或啟用函式。
輸入 xi 可以是表示輸入資料的數值，或者如果神經元屬於神經網路，它可以是來自其他神經元的輸出。
權重 wi 是一個數值，可以用來表示輸入的強度或神經元之間連線連結的強度。
權重 'b' 是一個特殊的稱為偏置的值，其輸入始終為 1。
偏置 'b' 用於允許超平面從座標系的中心偏移。
如果不使用偏置，神經元將具有有限的表示能力。
加權和的結果作為輸入傳遞給啟用函式 f，也稱為傳遞函式。
有不同型別的啟用函式，但它們都必須滿足非線性的要求。
一個重要的觀察結果是，神經元類似於邏輯迴歸和感知器。
神經元可以理解為邏輯迴歸和感知器演算法的廣義版本。如果使用邏輯函式或階躍函式作為啟用函式，則神經元可以分別用作邏輯迴歸或感知器。
此外，如果我們不使用任何啟用函式，神經元就變成了一個線性迴歸問題。
先前定義的啟用值可以解釋為向量 w 和向量 x 的點積。
如果 -，則向量 x 將垂直於權重向量 w。
因此，所有向量 x，
在特徵空間 Rn 中定義一個超平面，其中 n 是 x 的維度。
讓我們用簡單的術語來理解以上陳述 - 如果啟用函式是 f(x) = x，並且我們有一個單一的輸入值 x，則神經元的輸出變為 y = wx + b。這是線性方程。
這表明在單維輸入空間中，神經元基本上給出了直線的方程，即定義了一條直線。
如果我們對兩個或多個輸入視覺化相同內容，則神經元定義了一個平面。如果輸入維度是任意數量，則神經元定義了一個超平面。
感知器（神經元）僅適用於線性可分的類別，這是因為它定義了一個超平面。為了克服這一限制，神經元被組織成神經網路。
276 次瀏覽
