【数据挖掘】神经网络简介 ( 有向图本质 | 拓扑结构 | 连接方式 | 学习规则 | 分类 | 深度学习 | 机器学习 )(一)

简介: 【数据挖掘】神经网络简介 ( 有向图本质 | 拓扑结构 | 连接方式 | 学习规则 | 分类 | 深度学习 | 机器学习 )(一)

I . 神经网络 ( Neural Networks ) 简介


神经网络简介 :



1 . 神经网络组成 : 由 一组 连接的 输入 和 输出单元 组成 , 每个连接都有一个 权值 ( 系数 ) ;



2 . 神经网络本质 : 神经网络本质是一种特殊的 有向图 , 有向图由 节点 和 有向弧 组成 , 节点就是 神经元 , 有向弧就是神经元单元之间的 连接 ;



3 . 神经元分层 : 神经网络中的神经元由多层组成 , 层间的神经元单元没有连接 , 神经元单元只能连接相邻的两层 ( 上层 / 下层 ) 中的神经元单元 ;



4 . 学习过程 : 学习过程中 , 调整每个连接的 权值 , 使 神经网络 预测分类 的准确性 逐步提高 ; 开始时给一组默认的初始权值 , 学习过程中 , 逐步调整 , 使其与真实数据进行拟合 , 逐步提高其预测准确性 ;



5 . 连接者学习 : 学习过程是调节单元之间的连接的权值的过程 , 神经网络学习 又称为 连接者学习 ;



6 . 神经网络基础 : 模拟大脑中 神经元 数学模型 , 以该模型为基础建立神经网络 , 每个 输入 / 输出 单元 都是一个 神经元 , 单元之间互相连接 , 并且每个连接都有不同的 权重属性 ;



7 . 信息处理模型 : 神经元 是一个 多输入 , 单输出 , 的 信息处理单元 , 根据其该特性 , 将神经元抽象成该特征的数学模型 ;




II . 神经网络三要素


神经网络三要素 : ① 拓扑结构 , ② 连接方式 , ③ 学习规则 ; 根据上述三要素的特征 , 对神经网络进行分类 ;




III . 神经网络拓扑结构


神经网络拓扑结构 :



① 根据层数分类 : 按照层次排列神经网络单元 , 根据该神经网络排列的层次数 , 可以分为 单层神经网络 , 两层神经网络 , ⋯ \cdots⋯ , N NN 层神经网络 ;


② 神经网络结构 与 性能 : 结构越简单 , 学习时参数收敛速度快 , 代价是准确度低 ;


③ 神经网络复杂度 : 神经网络的层数 , 每层单元数 , 由问题复杂程度决定 , 越复杂的问题 , 层数及每层单元数就越多 ;


④ 针对线性问题的神经网络 : 使用两层神经网络可解决 ;


⑤ 针对多元非线性问题的神经网络 : 需要使用多层神经网络解决 ;




IV . 神经网络连接方式


1 . 神经网络连接强度 : 神经网络层次间的连接 , 和层次内部的连接 , 每个连接都有一个强度 , 用 权 表示该强度 ;



2 . 根据层次间连接方式对神经网络进行分类 :


① 前馈式网络 : 该连接是单向连接 , 前一层单元输出 是 后一层单元输入 ; 如 Kohonen 网络 , 反向传播网络 ;


② 反馈式网络 : 在前馈式网络基础上 , 将最后一层单元的输出继续作为第一层单元的输入 ; 如 , Hopfield 网络 ;



3 . 根据连接范围对神经网络分类 :



① 全连接神经网络 : 每一层中的单元 , 与前一层的 所有单元 , 后一层的 所有单元 , 都连接起来 ;


② 局部连接神经网络 : 每一层的单元 , 与前一层的 部分单元 , 后一层的 部分单元 , 都连接起来 ;




V . 神经网络学习规则


1 . 神经网络学习方法 :



① 感知器 : 有监督的学习方法 , 给出已知的训练集 , 学习过程中指导模型的训练 ;


② 认知器 : 无监督的学习方法 , 训练集未知 , 各个单元竞争学习 ;



2 . 神经网络学习和使用 :



① 离线网络 : 学习 和 使用 , 两个过程是独立的 ; 先训练神经网络 , 然后再使用 ;


② 在线网络 : 学习 和 使用 , 两个过程是同步的 ; 一边训练 , 一边使用 ;



3 . 神经网络学习规划 : 调整神经元连接权系数的方式 ;



① 相关学习网络 : 根据单元之间的连接的激活水平 , 调整神经元连接权系数 ;


② 纠错学习网络 : 根据输出单元的外部反馈 , 调整神经元连接权系数 ;


③ 自组织学习网络 : 根据输入自适应改变神经元连接权系数 ;




VI . 浅层神经网络 与 深度神经网络


1 . 浅层神经网络 : 拓扑结构 , 连接方式 , 学习规则 , 三方面说明其特征 ;



① Hopfield 网络 : 单层结构 , 反馈型网络 , 神经元单元都是相同的 ;


② 反向传播网络 : 多层结构 , 前馈型网络 , 学习规则是最小均方差纠错 ; ( 用途 , 语言识别 , 分类 )


③ Kohonen 网络 : 自组织网络 , 有输入层和输出层 , 神经元单元是全连接的 ;


④ ART 网络 : 自组织网络 ;



2 . 深度神经网络 : 卷积神经网络 ( CNN ) , 循环神经网络 ( RNN ) , 深度信念网络 ( DBN ) ;


目录
相关文章
|
7天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
35 3
|
9天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
55 9
|
10天前
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
10天前
|
安全 网络协议 算法
网络空间安全之一个WH的超前沿全栈技术深入学习之路(8-1):主动信息收集之ping、Nmap 就怕你学成黑客啦!
网络空间安全之一个WH的超前沿全栈技术深入学习之路(8-1):主动信息收集之ping、Nmap 就怕你学成黑客啦!
|
10天前
|
网络协议 安全 NoSQL
网络空间安全之一个WH的超前沿全栈技术深入学习之路(8-2):scapy 定制 ARP 协议 、使用 nmap 进行僵尸扫描-实战演练、就怕你学成黑客啦!
scapy 定制 ARP 协议 、使用 nmap 进行僵尸扫描-实战演练等具体操作详解步骤;精典图示举例说明、注意点及常见报错问题所对应的解决方法IKUN和I原们你这要是学不会我直接退出江湖;好吧!!!
网络空间安全之一个WH的超前沿全栈技术深入学习之路(8-2):scapy 定制 ARP 协议 、使用 nmap 进行僵尸扫描-实战演练、就怕你学成黑客啦!
|
1天前
|
机器学习/深度学习 人工智能 安全
人工智能与机器学习在网络安全中的应用
人工智能与机器学习在网络安全中的应用
8 0
|
9天前
|
安全 搜索推荐 机器学习/深度学习
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】在人工智能的推动下,个性化学习系统逐渐成为教育领域的重要趋势。深度学习作为AI的核心技术,在构建个性化学习系统中发挥关键作用。本文探讨了深度学习在个性化推荐系统、智能辅导系统和学习行为分析中的应用,并提供了代码示例,展示了如何使用Keras构建模型预测学生对课程的兴趣。尽管面临数据隐私和模型可解释性等挑战,深度学习仍有望为教育带来更个性化和高效的学习体验。
33 0
|
10天前
|
人工智能 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(4-2):渗透测试行业术语扫盲完结:就怕你学成黑客啦!)作者——LJS
网络空间安全之一个WH的超前沿全栈技术深入学习之路(4-2):渗透测试行业术语扫盲完结:就怕你学成黑客啦!)作者——LJS
|
10天前
|
安全 大数据 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(3-2):渗透测试行业术语扫盲)作者——LJS
网络空间安全之一个WH的超前沿全栈技术深入学习之路(3-2):渗透测试行业术语扫盲)作者——LJS