前面幾天我們講了許多機器學習/深度學習以外的AI演算法,那麼今天我們就來聊聊現今最熱門的機器學習/深度學習。
首先我們先來介紹一下這幾個名詞的關係:
圖源
如同我們前面一在強調的,機器學習只是AI眾多領域/演算法裡面的一個部分,前面幾天我們也分別介紹了AI其他領域的一些有趣的演算法,而深度學習則是在機器學習裡面的一個子集合;類神經網路則是機器學習與深度學習裡面的一種常用的運算模型。
從名字應該就可以看的出來,類神經網路所模擬的,就是生物(特別是人類)腦部裡面的神經網路。生物的腦部裡面有大量的神經元並彼此鏈結,雖然每個神經元都只有簡單的功能,然後經過彼此的鏈結後,則可以發揮強大的能力,而類神經網路就是基於此特徵去做模擬。
想像一下當你坐在電腦前看這篇文章的時候
你所接受到的資訊會被傳送到大腦中,而無數的神經元開始運作去理解你到底看了什麼。
而類神經網路呢,我們用一樣的方法去運作它。
圖源: 維基百科
首先我們把資料輸入進去神經元裡面(Input data),
這中間會有一些參數的調整例如權重 (w) 與位移量 (b)等等,
而神經元接受到資料後,則會依照公式做運算並輸出結果。
而多個神經元會組成單層的神經元網路
如果我們再把神經元的層數給增加,則會形成多層的神經層。
如同第一天我說介紹的,由於這系列的文章是希望能夠把相關知識推廣給比較不具有背景的朋友們,所以比較複雜的一些參數以及計算方法我會以比較簡單的形式帶過,目的是希望大家看完能夠有個初步的觀念知道大概運行的原理就好,如果想更深更進一步去做了解的話,網路上已經有許多介紹的非常詳細的文章,從我介紹文章裡面的關鍵字去搜尋相信都可以找到很多有用的資料。不就是懶
那麼明天我們再來聊聊機器學習,深度學習發展以及裡面的觀念。