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。
我們可以用以下這張圖作為示意,
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:
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。
圖片來源:連結
類神經網路架構共可分為三層,
下一篇則會介紹各種不同類型的神經網路!