神经元

神经网络是一种人类由于受到生物神经细胞结构的启发而研究出的一种算法研究

细胞体外部---树突

神经元_第1张图片

上面的大的就是细胞体

细胞体周围小支差就是树突

细长的象尾巴一样的东西就是轴突

不同细胞之间通过树突和突轴相互传递信息

他们的接触点叫做突触


所以信号由一个细胞的突轴,通过突触将信息传递给另一个细胞的树突

人类由于神经细胞的刺激来传递信息的方式

设计出了神经网络


神经网络难以理解的地方,就是他的实现原理

数据结构和基础算法

加减乘除,比大小,循环,分支,读写操作

在神经网络感觉上有点不一样


神经元_第2张图片

这是一个简单的神经元,

有一个输入和输出

所表达的含义和一个普通函数没有区别

神经元是由两部分组成

一部分是线性模型,另一部分是激励函数

表达式f(x)= x+1

神经元_第3张图片

这是稍微复杂的

x可以是五维的,也可以更多

输入是n维的向量

我们可以建立有n个输入的神经元

如上图的数学关系

w是权重举证

神经元_第4张图片

这就是x,表示对样本的描述

具体每一个维度的描述,代表的含义在不同场景下游不同的解释

这是一个客户的个人财务状况

这样一个一个样本组合起来就形成一个很大的样本空间

神经元_第5张图片

如图所示

我们假设这是某个金融机构用来评价用户质量好坏的函数 

再来一个用户样本信息

神经元_第6张图片

金融机构发现第二个用户,对第一个高

金融机构可以对用户情况评分

可以给每一个用户贷款不同

w是谁规定的?


我们先假设有一些未知的w

神经元_第7张图片

这个分数是多年经验得到的

n个样本的分数就可以多元线性回归来带入

神经元_第8张图片

...

我们是用多元线性回归,带入后实现

神经元_第9张图片

我们知道w和b要去求x和y

现在我们知道x和y反这w和b我们需要引入loss

我们引入损失函数loss

神经元_第10张图片

wx+b使我们线性方程预测出来的结果,减去真实值

我们得想办法让loss尽可能小


你可能感兴趣的:(Python,深度学习)