tft每日頭條

 > 職場

 > ai神經網絡基礎代碼

ai神經網絡基礎代碼

職場 更新时间:2024-08-20 03:21:15

提到“神經網絡”這個詞,多數人會聯想到人工智能,這個當前互聯網行業裡最火熱的技術。神經網絡是一門既深奧又神秘,但也很牛掰,雖然部分人查了相關資料,可是仍然無法理解這門技術的原理和流程,所以,本文就産生了。筆者會以最通俗的說法,用最基礎的數學知識給大家講述一下什麼是神經網絡。

ai神經網絡基礎代碼(如何通俗易懂的理解神經網絡)1

神經網絡是什麼

神經網絡提及“神經”一詞,是因為這門技術的工作原理和數據處理方式,與人的神經元對信号的處理機制比較相似,這裡有點生物仿生學的味道。科學家一直在試圖了解大自然其中的奧妙,從自然中汲取最有價值的信息,尋找靈感,但卻忽略人的本身智慧。其實,人才是最需要了解自己的。

這裡提到了“生物仿生學”,它是在初中課本上提到的一門技術,這門技術既古老又年輕,可以這樣理解:

通俗的講,人類通過了解自然界生命或非生命體的結構和功能工作原理,并經過不斷的學習這些原理,來改進人類目前的技術,使生物學原理更加适用于人類的各項生産活動和生活

舉個簡單例子,菲爾普斯在奧運會時穿的鲨魚皮遊泳衣。這種遊泳衣結構原理是仿鲨魚鱗片的構造,鲨魚的鱗片具有鱗突結構,在長度方向長有凹槽的鱗突,能夠改變水在其表面的流動方向。并且,鱗突還可以阻止漩渦或者是湍流旋渦的形成。所以,這種泳衣可以使運動員在比賽過程中,減少更多的阻力以增加遊動速度。不過,國際泳聯已經明确禁止這類産品參加比賽了,因為這也太bug了。

ai神經網絡基礎代碼(如何通俗易懂的理解神經網絡)2

仿生學何其強大,人類在研究人體結構時,發現神經元結構錯綜複雜,人類通過神經元的不斷學習,可以認知各類事物,控制情緒,完善自我。當然,神經網絡也就是仿照神經元的工作原理而創造出的一門技術。

ai神經網絡基礎代碼(如何通俗易懂的理解神經網絡)3

人們在日常生活中情緒,嗅覺,觸覺等等,都是通過多個神經元處理,而得到最終信号反饋。信号從左樹突進入,經過軸突傳到神經末梢,然後在傳遞給其它神經元。

單一的神經元是無法判斷各類情緒,溫度的,需要大量的神經元共同配合才能識别。也就是說,證明這個小明性别是男還是女,需要大量的神經元認同,并且通過神經元不斷地學習,未來對男女的判斷是瞬時完成的。

所以說,人的大腦才是最牛掰的神經網絡。

神經元為什麼精确度那麼高?

人類自打嬰兒時,就學會了認知這個世界,通過生活經曆不斷了解事物,辨識誰是萌貓,誰是小狗。多年的訓練後,這種辨别的準确度可以達到100%。萌貓和小狗自身具備很多特點,人類通過不斷的訓練,記住了它們的特點,可以從視覺上進行區分,可以通過叫聲區分,可以通過重量,體積,觸感,味道區分。這些特點,強化了人對貓狗的記憶和辨識度,并最終得出準确的答案。所以,以後隻要通過幾個特點,就可以推導出正确的結論。

機器如何仿照神經元工作?

所以科學家不甘寂寞了,他們做個假設:如果機器也可以像神經元一樣進行工作,那豈不是可以創造一個不需要休息的機器大腦?事實證明,這個假設是成立的。

冷啟動的神經網絡就是個白癡,什麼也不懂,IQ基本為0。這個時候,如果你想讓機器區分貓和狗,别妄想了!科學家仿照人類學習認知事物的流程來讓機器去逐漸區分什麼是貓和狗,從2個動物裡,我們就告訴機器,哪個是貓,哪個是狗。這個過程就叫做,訓練。

但是,當你把一群動物讓機器去作區分時,機器懵逼了。不要慌,你要繼續告訴機器,貓狗的其他特征,不斷學習,不斷驗證。

機器如何識别特征?

對于機器來說,隻能聽懂特定的字符。不好意思,他不懂漢語。如果僅僅告訴機器這是貓,這是狗,那是不夠的,需要把他們的所有特點轉化為機器的語言,特定的數字,也就是經常說到的,特征提取。然後,機器再去存儲學習這些數字,加強記憶。從機器的工作流程可以看出,神經網絡算法的核心就是:計算、連接、評估、糾錯、無限訓練。但,問題又來了,當特征輸入機器後,如何處理呢?

當然,這離不開數學。如果,把結論用數字1表示,把各個特征看成是x1,x2,x3…xn,這些特征通過某個權值(,所謂的激勵函數,這個權值可以是多個,暫且用a,b,c,d表示)的加成,成為了1,最終訓練出結論。如果,有新的特征進入,加入公式即可。

列個表達式(圖來源網絡),初始時,最簡單的模型是這樣,x y=1

ai神經網絡基礎代碼(如何通俗易懂的理解神經網絡)4

當有多個特征時,就會出現更為複雜的計算過程,

ai神經網絡基礎代碼(如何通俗易懂的理解神經網絡)5

道理很簡單,通過輸入數據,調整激勵函數,訓練數據,得出結論。

ai神經網絡基礎代碼(如何通俗易懂的理解神經網絡)6

圖中(來源網絡)圓圈代表神經元,箭頭代表信号流轉方向

輸入層為特征,輸出層為結論,2者的神經元是固定的,而隐藏層可以不斷調整。

計算流程重要的不是神經元,而是數據流向,不同方向的數據會訓練得到不同的權重,進而輸出不同的結論。

當然,最終正确的結論隻有一個。

結語

當然,本文僅是淺講神經網絡的原理,讓大家更通俗易懂。其實,神經網絡還分為人工神經網絡和生物神經網絡,而人工神經網絡還能細分為前饋神經和反饋神經網絡,這些概念,你都不需要了解。作為産品經理,關鍵點是在有預期目标的情況下,如何找到數據源,用哪些關鍵數據能實現我們想要的結論。剩餘的,就放心的交給研發哥哥吧!

作者:十月菌,微信号公衆号:shdwangluobo,京東産品經理,負責過多款互聯網産品,主攻智慧營銷,内容電商和B2B産品,擅長産品設計,數據分析,喜愛文字,熱愛折騰。

本文由@十月菌 原創發布于人人都是産品經理。未經許可,禁止轉載。

題圖來自PEXELS,基于CC0協議

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关職場资讯推荐

热门職場资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved