深度學習 4 人工神經網路

人工神經網路。

人工神經網路建立在人類神經元的結構和工作原理之上。 它也被稱為神經網路或神經網路。 人工神經網路的輸入層是第一層，它接收來自外部的輸入並將其傳遞給隱藏層，即第二層。 隱藏層中的每個神經元都從上一層的神經元獲取資訊，計算加權總數，然後將其傳輸到下一層。 這些連線是加權的，這意味著通過為每個輸入賦予不同的權重，或多或少地優化了前一層輸入的影響。 然後在訓練期間調整這些權重，以提高模型的效能。

人工神經元，也稱為單元，存在於人工神經網路中。 整個人工神經網路由這些人工神經元組成，這些人工神經元排列成一系列層。 神經網路的複雜性將取決於資料集中底層架構的複雜性，無論一層中有十幾個單元還是數百萬個單元。 通常，人工神經網路具有輸入層、輸出層和隱藏層。 輸入層接收來自外界的資料，神經網路需要分析或理解這些資料。

在全連線的人工神經網路中，有乙個輸入層和乙個或多個隱藏層乙個接乙個地連線。 每個神經元都接收來自前一層神經元或輸入層的輸入。 乙個神經元的輸出成為網路下一層其他神經元的輸入，這個過程一直持續到最後一層產生網路的輸出。 然後，在通過乙個或多個隱藏層後，這些資料被轉換為輸出層的有價值的資料。 最後，輸出層以人工神經網路對輸入資料的響應形式提供輸出。

在大多數神經網路中，細胞從一層連線到另一層。 這些鏈結中的每乙個都有權重，用於控制乙個單元格對另乙個單元格的影響程度。 當神經網路從乙個單元移動到另乙個單元時，它會越來越多地了解資料，最終從輸出層產生輸出。