iT邦幫忙

2022 iThome 鐵人賽

DAY 22
0
AI & Data

人類行為數據分析- 以R和Python進行實作系列 第 22

[Day 22] 類神經網路(Neural Network)介紹

  • 分享至 

  • xImage
  •  

背景介紹

近年來,人工智慧和深度學習變成了熱門的話題,而深度學習的相關技術也不斷地更迭。深度學習的模型為透過神經網路作為基礎,經由不斷調整內部結構以及參數設定,使電腦可以建構出類似大腦工作的方式。由於此種學習架構是受到生物結構所啟發的,因此被稱為類神經網路。

生物學中提到,神經元會彼此相連,而一個神經元往往會受到許多其他神經元的訊號影響,並會決定自身是否會被激發。神經細胞處理訊號後會經過多個步驟處理,分別為將所收集的訊號加總、經過非線性轉換、產生一個新的訊號。因此訊號的大小會經過無數次的轉換,最終才會產生輸出訊號。

神經元計算示意

我們可以用以下這張圖作為示意,
https://ithelp.ithome.com.tw/upload/images/20220926/201512796DSBe5EAXl.png
圖片來源:連結

根據示意圖,總共有n維輸入的變量(x1,…,xn),而每個輸入的變量皆有相對應的權重(w1,w2,…,wn),接下來則會將輸入變量乘上對應的權重值後相加,隨機加上偏差(Bias)後,將數值放入一個非線性轉換的函數,最後獲得輸出值y。

若將此段描述表示為數學式,則可表示成:
https://ithelp.ithome.com.tw/upload/images/20220926/20151279jPQeFv2MKb.png

基礎的神經網路架構

上面的架構為一個神經的運作方式,若推廣成類神經網路,則可以用下圖表示。
https://ithelp.ithome.com.tw/upload/images/20220926/20151279F1PHUSM9Rz.png
圖片來源:連結

類神經網路架構共可分為三層,

  1. 輸入層:接受資訊,並放入神經網路中,對於資料進行處理後,則會傳遞至下一層
  2. 隱藏層:從輸入層或是其他的隱藏層中接收資訊,並分析前一層的輸出、進行處理後,傳遞給下一層
  3. 輸出層:輸出層會給予神經網路最後的處理結果,輸出的數值會根據所設定的問題類型而有所不同(分類問題、數值預測),若為二元分類問題,將只會輸出一個節點(0或1),若為多分類問題,則可能會輸出多個節點。

下一篇則會介紹各種不同類型的神經網路!


上一篇
[Day21] 動態時間校正(Dynamic time warping)
下一篇
[Day 23] 類神經網路的類型
系列文
人類行為數據分析- 以R和Python進行實作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