鐵人檔案
前面提到，神經元會判斷輸入訊號的大小，再將其傳送給相鄰的神經元。那麼神經元到底是如何判斷輸入訊號的大小，又如何將訊號傳送出去的呢？重點在於，若我們鎖定某個神經元...
神經元依照算式計算出加權總和後，又會怎麼處理這個計算結果呢？前面我們提到細胞體會判斷接收到的訊號大小，再將結果傳遞給相鄰的神經元」。然而在判斷訊號大小時需要一個...
神經元被觸發時，會產生什麼樣的輸出訊號呢？ 輪出的大小是一定的，與「加權總和」的大小完全無開。即使相鄰神經元輪人的訊號很大，輸出訊號的數值仍保持一定。更有趣的是...
開始說明如何排列神經元之前，讓我們先簡單介紹人腦如何處理眼睛看到的影像訊號。之後提到的神經網路就是模仿這個過程。以貓和狗的影像為例，具體說明神經元在看到貓和狗時...
輸入層的功能輸入層是一塊可以記錄狗或貓照片的圖像用記憶體。輸入層內没有神經元，只負責將圖像訊號輸出至相鄰的隱藏層。在輸入層中，輸入層的記憶體可對應到8×8個像素...
靠特徵模式就可以識別圖像特徵樣式正是神經網路分辦圖像的原理。這種像素的模式又叫做「用來分辦狗和貓的特徵模式（feature pattern)。事實上，就算是外貌...
卷積神經網路（Convolutional Neural Network, CNN）是一種專門用於處理具有網格結構數據的深度學習模型，特別擅長於圖像處理、語音識別...
接下來，繼續介紹卷積神經網路。3. 池化層（Pooling Layer）池化層通常位於卷積層之後，用來減少特徵圖的尺寸，降低計算量，並保持關鍵的特徵。常見的池化...
遞歸神經網路（Recurrent Neural Network, RNN）是一種專門設計用來處理序列數據的神經網路結構，廣泛應用於自然語言處理（如語言翻譯、語音...
接下來，繼續介紹遞歸神經網路。改進版本為了解決 RNN 的這些問題，出現了兩種更為強大的改進模型： 長短期記憶網路（LSTM, Long Short-Term...
