人工智能00020 深度学习与图像识别书评20 神经网络基础02

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。