人工智能(AI)是為了模仿人類的認知能力而設(shè)計的,它的許多應(yīng)用都是受我們的五感--視覺、聽覺、觸覺、味覺和嗅覺的啟發(fā)。在艾省, 想象力 與計算機視覺相對應(yīng),使機器能夠解釋圖像和視頻。 聽到 由自然語言處理(NLP)和語音識別系統(tǒng)復(fù)制,使AI能夠理解和生成人類的語音。 接觸 通過觸覺反饋和機器人來模擬,這有助于機器人對物理互動作出反應(yīng)。盡管不太先進, 品味 和 聞到 通過原子能機構(gòu)驅(qū)動的化學(xué)分析和食品及香味應(yīng)用傳感器進行探索。

其中許多人工智能應(yīng)用程序的核心是?神經(jīng)網(wǎng)絡(luò) ,由人類大腦啟發(fā)的計算模型。神經(jīng)網(wǎng)絡(luò)由相互連接的節(jié)點(神經(jīng)元)構(gòu)成,它們以類似于人類大腦工作方式的方式處理數(shù)據(jù)。他們從數(shù)據(jù)中學(xué)習(xí),識別能夠讓人工智能做出決策、識別圖像或理解語言的模式。網(wǎng)絡(luò)越深(層越多),人工智能解決復(fù)雜任務(wù)的能力就越復(fù)雜。這個架構(gòu)提供了從自動駕駛汽車到語音助理的各種人工智能技術(shù)。

神經(jīng)網(wǎng)絡(luò)對于連接人工智能的模仿和更像人類的智力是必不可少的。從我們的智能手機的面部識別到自主汽車,神經(jīng)網(wǎng)絡(luò)為一切提供動力。無論我們是一個好奇的初學(xué)者還是一個有抱負的數(shù)據(jù)科學(xué)家,這個指南將幫助我們了解這些令人著迷的系統(tǒng),這些系統(tǒng)正在革命性地改變技術(shù)。

什么是神經(jīng)網(wǎng)絡(luò)?

神經(jīng)網(wǎng)絡(luò)是受大腦生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的計算機系統(tǒng)。就像我們的大腦由數(shù)十億相互連接的神經(jīng)元組成,這些神經(jīng)元幫助我們學(xué)習(xí)和做出決定,?人工神經(jīng)網(wǎng)絡(luò) 是從經(jīng)驗中學(xué)習(xí)的數(shù)字系統(tǒng)。

基本部件

神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元構(gòu)成的網(wǎng)絡(luò)。讓我們了解它的基本組成部分。

1. 神經(jīng)元(節(jié)點)

· 處理輸入信號。

· 施加重量和偏差。

· 使用激活函數(shù)生成輸出.

2. 關(guān)系(重物)

· 代表神經(jīng)元之間連接的強度。

· 在學(xué)習(xí)期間調(diào)整。

· 確定網(wǎng)絡(luò)行為。

3. 分層器

輸入層

我們提供給模型的數(shù)據(jù)從外部來源(例如CSV文件或Web服務(wù))加載到輸入層。它是全世界唯一可見的?神經(jīng)網(wǎng)絡(luò)架構(gòu) 它傳遞來自外部世界的完整信息,而不進行任何計算。

隱藏層

隱藏的層次使人們深入了解它今天是什么。它們是完成所有計算并從數(shù)據(jù)中提取特征的中間層。

可以有多個相互連接的隱藏層,用于搜索數(shù)據(jù)中不同的隱藏特性。例如,在圖像處理中,第一隱藏層負責更高層次的特征,如邊緣、形狀或邊界。另一方面,后面隱藏層執(zhí)行更復(fù)雜的任務(wù),如識別完整的對象(汽車、建筑物、人)。

輸出層

輸出層從之前的隱藏層獲取輸入,然后根據(jù)模型的學(xué)習(xí)得出最終的預(yù)測。它是我們獲得最終結(jié)果的最重要的層面。

在分類/回歸模型中,輸出層通常只有一個節(jié)點。然而,它完全是針對具體問題的,并且取決于模型的構(gòu)建方式。