通俗解釋"神經網絡"

當下網際網路圈最火的要數"人工智能"了,而人工智能是基于神經網絡的,這裡簡單描述一下"神經網絡"

人的神經元

簡化版神經元

簡化版

上圖中的圓圈表示一個"感覺器",它可以接受多個輸入,産出一個結果,結果隻有兩種情況(是)與(否)

舉個例子,今天有去看電影的想法,但是否出行,受3個因素影響

• 有沒有可以約的人
• 有沒有适合出行的天氣
• 有沒有評分較高的電影

權重

三個因素對出行的影響是不一樣的,影響越大,權重越高

• 有沒有可以約的人(權重為5)
• 有沒有适合出行的天氣(權重為8)
• 有沒有評分較高的電影(權重為10)

門檻值(下面的13既是門檻值)

規則:如果符合條件的因素大于13則出行(結果為是),小于13不出行(結果為否)

複雜神經網絡

多個感覺器組成的多層網絡

多層網絡需要多個神經元,層層判斷,才能得出最後的結果

遞歸神經網絡

遞歸神經網絡,則是結果之間互相影響

"神經網絡"如何變聰明?

簡單的說就是,接收大量的資料進行訓練,自身不停的修正"門檻值"與"權重",讓輸出的結果更符合人們的預期.

比如解決某個地點,共享單車的投放量的問題,

我們可以把"機關時間人流量","附近公交站數量","已投放單車的數量","共享單車的使用率"等收集到的資料,用來訓練神經網絡,理想情況下,神經網絡會自動調整各輸入條件的"門檻值"與"權重",以後,隻要輸入特定地點的相關資料,神經網絡就會自動為我們計算出,該地點"共享單車"的投放量