iT邦幫忙

2022 iThome 鐵人賽

DAY 14
0
AI & Data

了解AI多一點點系列 第 14

【Day 14】神經網路總結

  • 分享至 

  • xImage
  •  

我們講完了兩種神經網路的應用,分別為卷積神經網路CNN和循環神經網路RNN,讀者們應該可以稍微了解神經網路的運作了吧!

神經網路之所以會叫做神經網路是因為,他的概念就是取自於人類中樞神經網路的觀察,希望能夠透過模仿人類神經網路的運作來移植到資料科學之上。我們所建立的模型中的每一層的節點就是代表著人類的神經元,而權重就是神經突觸負責傳導訊息。
https://ithelp.ithome.com.tw/upload/images/20220831/201507849MH4QU6H9g.png
圖片來源:https://zh.wikipedia.org/zh-tw/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

上途中的a即代表輸入的各個值、w為各自的權重,之後做總和後會經過f,也就是傳導函式,最後才會形成一個輸出。而這個輸出可能是結果,也可能是下一層神經網路的其中一個輸入值。

如果只有一層就是單層神經網路。
https://ithelp.ithome.com.tw/upload/images/20220831/20150784ovHyxS0hl4.png
圖片來源:https://zh.wikipedia.org/zh-tw/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

若是如此反覆疊加形成一個多層的神經網路,就是多層神經網路。我們之前所做的卷積神經網路模型(CNN)以及循環神經網路模型(RNN)也是運用這樣的概念去運作的。
https://ithelp.ithome.com.tw/upload/images/20220831/20150784jNLsrQSHUT.png
圖片來源:https://tex.stackexchange.com/questions/540358/center-multiple-outputs-on-output-layer-of-neural-network-tikz-diagram


上一篇
【Day 13】RNN股票預測—展示成果
下一篇
【Day 15】廣度優先搜尋(BFS)/深度優先搜尋(DFS)
系列文
了解AI多一點點30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言