神经元与感知器,学习人工智能的第一步

明仕彩票app在科技领域,很多的发现、发明,都是在向大自然学习,人工智能也是如此。神经元是生物大脑的基本单元,可以认为是生物智能的来源。通过模仿神经元,人们设计了感知器。感知器是一种简单数学模型,了解感知器,通常是学习人工智能知识的第一步。

1、生物神经元介绍

神经元是一种特殊的细胞,有很多的树突结构,通常还有一根很长的轴突,轴突边缘有突触。神经元的突触会和其它神经元的树突连接在一起,从而形成庞大的生物神经网络。

神经元一般有两种状态,即激活状态和非激活状态,当神经元细胞处于激活状态时,会发出电脉冲。电脉冲会沿着轴突和突触传递到其它的神经元。


一般来说,神经元的数量越多,这个生物越聪明。比如章鱼大约有5亿个左右的神经元,它具有“抽象思维”的能力,特别擅长从封闭的空间中逃脱,可以拧开瓶子的盖取出里面的食物。在一些食物比较匮乏的海域,某些种类的章鱼甚至会协同捕猎。人类大脑的神经元数量大约在860亿左右,这个数量可以比肩银河系恒星的数量(1000亿~4000亿),因此人脑有着巨大的潜力。


2、感知器

感知器是一种数学的模型,它可以看作是在模仿生物的神经元,有多个输入,一个激活函数和一个输出。一个感知器的输出可以连接到其它感知器的输入上,这样就实现了最基础的人工神经网络。感知器激活函数设计的初衷,也是在模仿神经元的激活状态。


感知器可以有多个输入,即1,x1,…xn ,可以用一个向量X表示。每个输入上都有一个权重 wi,其中w0通常为偏置项(偏置项有时候也用b表示)。感知器的权重也就是参数,在机器学习中权重和参数是一个意思。

感知器的每一个输入都和权重相乘,然后再把所有乘完后的结果加在一起,也就是相乘后再求和。求和的结果会作为激活函数的输入。而这个激活函数的输出会作为整个感知器的输出。

激活函数可以有很多种类型,在这里选择一个阶跃函数(step function)作为激活函数。当这个阶跃函数的输入小于等于零的时候,输出结果为零此时模仿生物神经元的非激活状态。当阶跃函数的输入大于零的时候,阶越函数的输出为1.

3、感知器同生物神经元的差异

感知器在结构上,简单的模仿了生物神经元,比如都有多个输入,一个输出。输出的结果会作为其它单位的输入。

但是感知器同生物神经元的差异还是非常巨大。生物的神经元结构非常复杂,里面有很复杂的电化学反应,工作过程是动态模拟的过程。而感知器是一个简单的数学模型,是在做数字运算。

另外在生物的神经网络中存在很多反馈回路,而在以感知器为基础的人工神经网络,在使用时候,通常只是一个前向计算的过程。

4、感知器功能

明仕彩票app感知器具有一定的拟合能力,可以进行二分类,也就是把输入数据分成两种类别。

关于二分类问题,如下图所示,在一个二维的空间中存在两种数据,一种用三角标示,一种用圆点标示,可以用一条直线或者曲线将这两种数据分开。


布尔运算是逻辑运算,又可以看作是二分类问题,即给定输入,输出0(属于分类0)或1(属于分类1)。感知器可以模拟and or这样简单的布尔运算。


布尔运算是一个二元函数,有两个输入x1 和 x2。对于有三个权重参数,即w1, w2及偏置项b。我们可以调节这三个参数的值,使得感知器可以模拟and布尔运算。

比如令 w1=0。5, w2=0。5, b=-0。8,此时感知器可以模拟and布尔运算。可以检验当两个输入都为0的情况,如下所示:


5、单个感知器无法实现“异或”

这里需要注意的是,一个感知器是没有办法模仿复杂的逻辑运算的,比如“异或”。但是多个感知器可以连接在一起,从而具有了模仿复杂逻辑运算的能力。比如可以用两组感知器连接在一起去模拟“异或”。

这些在我们今天看来显而易见的知识,曾经在人工智能的发展历史上,引起了很大的争论,甚至使得人工智能的研究进入了多年的低谷。


6、感知体系

感知器可以相互连接在一起构成多层感知器体系。感知体系可以看作是最基本的计算机神经网络,具备更强大的模拟能力,因而可以处理更为复杂的问题。


本文转自:知云学堂 - 宽涛老师,转载此文目的在于传递更多信息,版权归原作者所有。

推荐阅读

福建11选5走势 尊十彩票注册 全球彩票开户 必威彩票app 众意彩票平台 海南4+1走势图 博虎彩票开户 www.xieeybaa.com 江苏快三质合走势图 北京赛车