人工神经网络的设计与实现（一） 原理

人工智能分为三大学派，符号主义、联接主义、行为主义。我的理解是符号主义就是做出专家系统的玩意，行为主义就是研究人做出决策的出发点是什么（老师上课一直在说博弈论也证明了我的观点），而联接主义就是认为人之所以有只能，完全是因为神经元的联接，神经元之间的信号传递决定的。人工神经网络（ANN，Artificial Neural Network）就是联接主义的最有代表性的成果。

ANN的基本思路就是模仿人的神经网络，通过不断迭代、修改单个神经元之间的权重来达到对于某个输入，输出符合预定输出的目的。这个过程叫做训练。训练完毕之后就可以去预测其他未知数据了。ANN大概张这个样：

可以看到这是个有两个隐层的ANN，隐层的作用就是特征提取。简单来说，其实ANN训练学习的过程，就是学习特征提取的过程。如上图，输入有4个变量，可能对应一个物体的四个特性，如性别、年龄、身高、体重，上图的输出也是4个变量，我们假设只考虑一个，这个变量表示这个被输入的人被异性所喜爱的程度（T T程序员是不是应该考虑同性。。。）。我们一般并不能一下子从4个独立变量判断是不是喜欢。比如这个人身高180，体重80kg，应该还不错吧，棒棒哒，结果是个妹子；再来个更贴切的例子，4个属性都知道了，一般这个时候我们就可以输入什么智能软件算出是不是偏瘦、偏胖、均匀身材，我们假设都喜欢均匀身材，那隐层中的某一层就是学习这个——是不是均匀身材，这个个自主学习的过程，所以说神经网络厉害啊，人工的也不错啊。换句话说，如果你有的数据是身材是否均匀，那么这个ANN就能少几层，因为你人为的提取特征了～

神经网络的基本单元是感知机，下节在说吧～对了，这货（perceptron）张这样：

本人一边学，一边写，算是给自己动力吧～～