什麼是多層人工神經網路？

人工神經網路是一個模仿生物神經網路功能的系統。它是生物神經系統的模擬。人工神經網路的特點是具有多種結構，需要多種演算法方法，但無論系統多麼複雜，神經網路都很容易理解。

這些網路是主管工具箱中特定訊號處理科學之間的橋樑。這個領域是高度跨學科的，但這篇文章將把視野限制在工程學的角度。

在工程領域，神經網路主要作為模式分類器和非線性自適應濾波器發揮作用。人工神經網路是動態的，它提供了一個非線性系統，可以從資料中學習執行一個函式（輸入/輸出對映）。自適應表示系統引數在執行過程中會發生變化，通常稱為訓練階段。

訓練階段結束後，人工神經網路的引數被固定，系統開始解決手頭的難題（測試階段）。人工神經網路是透過一個系統的逐步過程來改進效能測試或遵循某些確定的內部約束而產生的，這通常被稱為學習規則。

輸入/輸出訓練資料在神經網路技術中至關重要，因為它們提供了“找到”最佳工作點的必要資訊。神經網路處理單元 (PE) 的非線性特性使系統能夠獲得多種適應性，從而獲得幾乎任意數量的所需輸入/輸出對映，即一些人工神經網路是廣泛的對映器。

將輸入顯示給神經網路，並在輸出端設定相同的期望或目標響應（如果採用這種方法，訓練稱為監督學習）。

誤差是由捕獲的響應和系統輸出之間的差異組成的。這個誤差記錄被送回系統，並不斷調整系統引數（學習規則）。重複此過程，直到效能令人滿意。由此可見，效能在很大程度上依賴於資料。

網路可以使用除符號函式之外的其他啟用函式方法。有幾種啟用函式，例如線性函式、S型（邏輯）函式和雙曲正切函式。

這些啟用函式使隱藏層和輸出層節點能夠產生其輸入引數的非線性輸出值。這些更復雜的特性使多層神經網路能夠模擬輸入和輸出變數之間更復雜的關係。

由於使用了S型或tanh等啟用函式，ANN的輸出是其引數的非線性函式。因此，推匯出被認為是普遍最優的w的解不再簡單。

Ginni

更新於：2022年2月11日

786 次瀏覽

啟動你的職業生涯

透過完成課程獲得認證

開始學習