深度学习之神经网络笔记
一、神经网络
定义：人工神经网络（ANN）简称神经网络(NN)或类神经网络，是一中模仿生物神经网络的结构和功能的计算模型，用于对函数进行评估或近似。
二、神经网络的种类：
基础神经网络：单层感知机，线程神经网络，bp神经网络，hopfield神经网络等
进阶神经网络：玻尔兹曼机，受限玻尔兹曼机，递归神经网络等
深度神经网络：深度置信网络，卷积神经网络，循环神经网络，lstm圣经网络等
一、 感知机 svm
有n个输入数据，通过权重与各数据之间的计算和 ，w1x1+w2x2+w3*x3+…=y
比较**函数结果，得出输出
应用：很容易解决与、或问题
感知机是解决分类问题
异或问题：相同为0，不同为1
如何解决:线性回归模型构造直线 通过直线分解
单个感知机无法解决异或问题 可以使用两个感知机解决。
二 、 神经元
感知机—>> 神经元 多个–>神经网络
不同的结构解决不同的问题
神经网络的特点
输入向量的纬度和输入神经元的 个数相同
每个连接都有神经元之间的连接
由输入层、隐层、输出层组成
第N与第N-1层的所有神经元连接，也叫全连接
神经网络：多分类
某一个样本 —>得出属于全部类别的每一个的概率