
神經(jīng)網(wǎng)絡(luò)究竟干了一件什么事
今天我們來(lái)討論當(dāng)下最熱門的神經(jīng)網(wǎng)絡(luò),現(xiàn)在深度學(xué)習(xí)炒的非?;穑鋵?shí)本質(zhì)還是把神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了延伸和優(yōu)化!咱們這回的目標(biāo)就直入主題用最簡(jiǎn)單的語(yǔ)言讓大家清楚神經(jīng)網(wǎng)絡(luò)究竟是個(gè)什么東西。關(guān)于神經(jīng)網(wǎng)絡(luò)與人工智能的發(fā)展,以及神經(jīng)網(wǎng)絡(luò)各種生物學(xué)模型咱們就不嘮了,我是覺得把神經(jīng)網(wǎng)絡(luò)比作各種類人腦模型和生物學(xué)模型沒有半點(diǎn)助于咱們理解,反而把簡(jiǎn)單的問(wèn)題復(fù)雜了,這些恩怨情仇咱們就不過(guò)多介紹了!
這張圖就是我們的核心了,也是整個(gè)神經(jīng)網(wǎng)絡(luò)的架構(gòu),只要能理解這個(gè),那就OK了!首先我們來(lái)觀察整個(gè)結(jié)構(gòu),發(fā)現(xiàn)在神經(jīng)網(wǎng)絡(luò)中是存在多個(gè)層的,有輸入層,隱層1,隱層2,輸出層。那么我們想要得到一個(gè)合適的結(jié)果,就必須通過(guò)這么多層得到最終的結(jié)果,在這里咱們先來(lái)考慮一個(gè)問(wèn)題,神經(jīng)網(wǎng)絡(luò)究竟做了一件什么事?
如果你想做一個(gè)貓狗識(shí)別,大家首先想到了神經(jīng)網(wǎng)絡(luò),那它是怎么做的呢?先來(lái)想想咱們?nèi)祟愂窃趺捶直娴?,是不是根?jù)貓和狗的特征是不一樣的,所以我們可以很輕松就知道什么事貓什么是狗。既然這樣,神經(jīng)網(wǎng)絡(luò)要做的事跟咱們一樣,它也需要知道貓的特征是什么,狗的特征是什么,這么多的層次結(jié)構(gòu)其實(shí)就做了一件事,進(jìn)行特征提取,我們希望網(wǎng)絡(luò)結(jié)構(gòu)能更好的識(shí)別出來(lái)我們想要的結(jié)果,那勢(shì)必需要它們能提取處最合適的特征,所以神經(jīng)網(wǎng)絡(luò)的強(qiáng)大之處就在于它可以幫助我們更好的選擇出最恰當(dāng)?shù)?a href='/map/tezheng/' style='color:#000;font-size:inherit;'>特征。
在第一張圖中我們定義了多層的結(jié)構(gòu),在這里有一個(gè)概念叫做神經(jīng)元,那么神經(jīng)元真的存在嗎?像大腦一樣?其實(shí)就是一個(gè)權(quán)重參數(shù)矩陣,比如你有一個(gè)輸入數(shù)據(jù)。它是由3個(gè)特征組成的,我們就說(shuō)輸入是一個(gè)batchsize*3的矩陣,(batchsieze是一次輸入的數(shù)據(jù)量大?。?,那既然要對(duì)輸入提取特征,我們就需要權(quán)重參數(shù)矩陣W了,在圖中神經(jīng)元的意思就是我們要把這個(gè)3個(gè)特征如何變幻才能得到更好的信息表達(dá),比如中間的第一個(gè)隱層有4個(gè)神經(jīng)元,那么我們需要的第一個(gè)權(quán)重參數(shù)矩陣W1就是3
* 4,表示通過(guò)矩陣鏈接后得到的是batchsize *
4的特征,也就是說(shuō)我們將特征進(jìn)行的變換,看起來(lái)好像是從3變到了4只增加了一個(gè),但是我們的核心一方面是特征的個(gè)數(shù),這個(gè)我們可以自己定義神經(jīng)元的個(gè)數(shù)。另一方面我們關(guān)注的點(diǎn)在于,什么樣的權(quán)重參數(shù)矩陣W1才能給我得到更好的特征,那么神經(jīng)網(wǎng)絡(luò)大家都說(shuō)它是一個(gè)黑盒子,原因就在于權(quán)重參數(shù)矩陣W1內(nèi)部是很難解釋的,其實(shí)我們也不需要認(rèn)識(shí)它,只要計(jì)算機(jī)能懂就OK了。那么這一步是怎么做的呢?計(jì)算機(jī)怎么得到最好的權(quán)重參數(shù)W1幫我們完成了特征的提取呢?這一點(diǎn)就要靠反向傳播與梯度下降了,簡(jiǎn)單來(lái)說(shuō)就是我們告訴神經(jīng)網(wǎng)絡(luò)我的目標(biāo)就是分辨出什么是貓什么是狗,然后神經(jīng)網(wǎng)絡(luò)就會(huì)通過(guò)大量的迭代去尋找最合適的一組權(quán)重參數(shù)矩陣。(如果不清楚什么事梯度下降,先來(lái)看看我之前的文章吧?。?
在神經(jīng)網(wǎng)絡(luò)中,我們剛才解釋了什么是神經(jīng)元,說(shuō)白了就是一組權(quán)重參數(shù)。那整個(gè)網(wǎng)絡(luò)不止這么一層呀,還有很多層次結(jié)構(gòu),這就是說(shuō)我們的網(wǎng)絡(luò)要想充分利用其價(jià)值就需要通過(guò)多種變換才能得到最終最合適的特征,一旦我們得到了最合適的特征,后續(xù)我們利用特征來(lái)進(jìn)行分類或者回歸任務(wù)就都隨你啦。這就是神經(jīng)網(wǎng)絡(luò)的本質(zhì),其實(shí)我本質(zhì)上認(rèn)為神經(jīng)網(wǎng)絡(luò)就是一種特征提取器,通過(guò)這種設(shè)計(jì)可以讓我們得到更有價(jià)值的信息!
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10