深度学习讲稿（9）

第 3 章 神经网络预测导论：前向传播

---

本章主要内容

• 一个能够做出预测的简单网络
• 什么是神经网络，它能够做什么？
• 进行多输入的预测
• 进行多输出的预测
• 进行多输入和多输出的预测
• 对预测进行预测

---

3.1 什么是预测

本节介绍预测相关的知识

在前一章中，你学习了“预测-比较-学习”这一模式。在本章中，我们将深入研究第一步：预测。

要实现“预测”，我们首先要了解神经网络的三个不同部分：数据、机器、预测。数据是整个故事的起源，正如“巧妇难为无米之炊”一样，数据对于神经网络学习有根本性的影响。一次预测过程中能够处理的数据量，对于网络本身的形态来说也影响巨大。如果数据量不足，那么就很难发挥算法本身的功能。

例如，如果我试图预测一张照片中是否有一只猫，我肯定需要同时拿到一张照片上的所有的像素。为什么？如果我只发给你一个像素，你能否判断这张图像中是否存在猫？当然你不能，我也不能！

现在让我们跳过网络这一部分。事实证明，只有先掌握了输入和输出数据集的“形状”，才能创建一个神经网络。目前为止，“形状”表示“列数”或“一次处理的数据点的数量”。

我们最好用一个图像化的方法来表述。

比如我们来玩一个硬币预测股价的游戏。小明是一个笃信“运气”和冥冥中“神秘力量”的股民，他每天晚上扔硬币十次，如果十次中有超过五次的硬币正面向上，他就预测明天的股票是上涨的，反之则是下跌的。那么这个预测就可以用图像表达成：

正如所见，这个拥有一项权重的网络一次接受一个数据，即硬币正面向上的次数，然后输出一个预测结果（它是否认为明天股票会上涨）。

3.2 能够进行预测的简单神经网络

让我们从最简单的神经网络开始

weight = 0.1
def neural_network(input,weight):
    prediction = input*weight
    return prediction

上面的代码表示的是一个函数式，它也被称作是空白的神经网络，因为我们这里还没有输入数据。下面我们插入一个数据点。

record_of_positives = [0,1,0,1,1,1,0,0,1,1]
number_of_positives = sum(record_of_positives)
input = number_of_positives
pred = neural_network(input,weight)
print(pred)

上面就是最简单的一个神经网络。它完美地完成了硬币预测股价这个任务。小明以后只需要扔硬币并且填入record_of_positives 就可以了，但是为了省事，小明决定用计算机来扔硬币，并且只想摁一下按键就输出结果。请大家帮小明完成这个设计。