|
| 阅读上一个主题 :: 阅读下一个主题 |
| 作者 |
 神经网络的预备知识 |
 |
游客
[个人文集]
加入时间: 2004/11/10
文章: 2864
经验值: 2731
|
|
|
作者：游客 在 罕见奇谈 发贴, 来自 http://www.hjclub.org
越南人、老非、老百姓以及随大佬看上去对神经网络很有兴趣，俺打算写一篇神经网络的科普教材，由于需要做几张图，可能还需要一点时间。为了帮助理解，俺在此先介绍一点预备知识，这部分显枯燥一点，俺的正文打算图文并茂，请耐心等一等。
神经网络由神经元组成，单个的神经元具有两个特点：（老非请原谅，俺用输入端和输出端来替换树突、轴突之类的术语，更加通俗，土包子也可以懂）
1.每个神经元都有众多的输入端来获得信息，但只有一个输出端用来得出结论。
2.每个神经元都是一个思维方式极其简单的白痴：得出结论的时候非黑即白（在数学上：非0即1，在生物上：非兴奋即抑制，电路上电平非高即低）。
当然所谓“非0即一”是一种简单化的描述。在现实中，不管是生物的神经元还是人工神经网络实际上还是存在着灰色区域，只是这个区域极小。在人工神经网络中，一般使用一个叫做sigmoid的函数。这是一个非常两极化的函数，其特点是：只在极少的区域（用土话说：在极少数情况下）输出才是中间状态。真正的非黑即白应该是个阶跃函数，而使用该函数会带来问题。生物神经元当然不懂sigmoid函数，但是情况类似。
神经元的第二个特点很容易让人想起了布什总统的名言：不是和我们在一起，便是和他们在一起。（俺不知道是否能够根据这个观察得出“布什是个外交白痴”的结论。关于“布什是个外交白痴”以及“这个陈述到底属于一个事实陈述、推论、观点”的论文，交给老芦去完成。我们集中精力研究神经网络）
言归正传。所谓神经网络就是由神经元组成的网络，组成的方式是：
1.每个神经元和其他神经元相接，
2.除了开始级神经元的输入是原始输入以外，其他每一个神经元（也就是白痴）的输入是另外一个神经元的输出
3.除了最终级神经元的输出以外，任何一个神经元的输出会送到另外一个神经元做输入。
4.由前一个神经元的输出到后一个神经元的输入的连接，这些连接权重不一样。
说得更简单一些，神经网络的基本是这样的组成的：在中间层的，任何一个白痴的输入信息是前若干个白痴的输出，而该白痴得到了结论又马上喂给下一个新的白痴，当作为输入。这个白痴如何得出结论？他就把前面喂给他信息的若干个白痴的输入累计一下，然后就得出非黑及白的结论送了出去。累计是并不是平等听取每个人的意见，总是偏听偏信，有的重视有的不重视，还有的甚至反方向听（权重又可能是负数）。注意：每个白痴都得到多重输入，但是只会有一个输出。
生物神经元的基本原理很早就得到充分的研究，人们已经理解了神经元的原理，便建造了人工神经网络来模拟智能。最令人叹为观止的部分不是神经元本身，而是是由简单的神经元组成的网络:众多的白痴通过组合，最后竟然能够形成具有高度智能的器官：人脑，造化的本领不得不让人佩服。其中神奇的部分并不是数以亿计的“白痴”，而是这些“白痴”的组成结构。正是由于着极其复杂的结构才产生了智能。因而仅仅研究生物神经元的机能对理解精神现象的帮助是有限的。
一下是几个关于神经网络的问题和答案，帮助大家产生一个初步印象。
1.对神经元的研究能否帮助我们了解精神、灵魂的原理？
不能，理由上面已经谈到了。另外举一例：一个硬件工程师能够测到电脑模板各芯片以及数据线上的电平高低变化，但是他无法知道一个软件的运行逻辑。软件工程师写的源程序编译为目标程序，最后在电脑中运行，其中跨越若干层次。电路中的0,1和源程序是处于不同的层次的内容，从低的层次逆向推导到高几层次的内容，过程不仅出奇地繁而且结果不唯一。
2.对神经网络的研究能否帮助我们了解精神、灵魂的原理？
目前来说还没有达到那种水平。神经网络的层次结构远远超过源程序被编译成为目标程序最后作为0、1的高低电平在电脑上运行过程。了解精神和灵魂的本原仍然应该采用其他办法，比如禅宗、藏密修持。
3.人工神经网络有什么应用？
神经网络的优点是：对于解决非线性问题尤其是那些无法得出数学公式的问题非常有效。模式识别是其应用较多的领域：如何从众多的输入信号得到正确的结论。分类器、预测都是具体例子：股票的若干特性能否决定一个股票未来的趋势等等。语音识别是神经网络应用最成功的例子。
4.人工神经网络大致是如何应用于实践的？
神经网络首先都要经过一个训练的过程。所谓训练就是是一个联结的权重调整过程。也可以说是老随的点菜律的变种：谁出的钱多，谁的点菜权大。训练的办法很多，俺知道的基本上属于反向调整：根据大量已知的信息和已知结论，不断调整投票权重。最后稳定下来的权重总和，便是“经验”。得到足够经验以后，该网络便可以投入使用：每当有一组新的输入信息，就会有新的结论，符合训练的要求。
5.人工神经网络应用的难点在哪里？
人工神经网络的模型和算法已经被研究了几十年，很多算法已经很可靠。真正困难的是有效的输入信息，对于模式识别来说，寻找有效的特征是最困难的。
以上介绍的算是预备知识。俺后面打算写的科普材料，将介绍无数惊天动地的白痴神经元如何通过民主投票的方式最后形成了智能。请等若干天。
作者：游客 在 罕见奇谈 发贴, 来自 http://www.hjclub.org |
|
|
| 返回顶端 |
|
 |
| |
|
|
您不能在本论坛发表新主题
您不能在本论坛回复主题
您不能在本论坛编辑自己的文章
您不能在本论坛删除自己的文章
您不能在本论坛发表投票
您不能在这个论坛添加附件
您不能在这个论坛下载文件
|
based on phpbb, All rights reserved.
|
