人工智能00020 深度学习与图像识别书评20 神经网络基础02
2023-11-02 本文已影响0人
水晓朴
我们来了解下什么是神经元。
对于神经元的研究由来已久,1904年生物学家就已经知晓了神经元的组成结构。
一个神经元通常具有多个树突,主要用来接受传入信息;而轴突只有一条,轴突尾端有许多轴突末梢可以向其他多个神经元传递信息。
轴突末梢与其他神经元的树突产生连接,从而传递信号。这个连接的位置在生物学上叫作“突触”,这是人脑中的神经元的结构。
神经元是防人脑结构设计的,在神经网络中,神经元模型是一个包含输入、输出与计算功能的模型。
输入可以类比为神经元的树突,输出可以类比为神经元的轴突,而计算则可以类比为细胞核。
神经元模型:包含输入,输出,以及计算功能。
注意中间的箭头线,这些线称为“连接”,每条连接线上都有一个“权重值”。
一个神经网络的训练算法就是让权重的值调整到最佳,以使得整个网络的预测(或者分类)效果最好。
现在我们来看下,在神经网络中设置神经元的个数是否会影响分类效果,一般来说更多神经元的神经网络可以表达更复杂的函数。
然而这既是优势也是不足,优势是可以分类更复杂的数据,不足是可能会造成对训练数据的过拟合。
过拟合(Overfitting)是指网络对数据中的噪声有很强的拟合能力,而没有重视数据之间潜在的基本关系。