书名:复杂的引擎(第一推动丛书·综合系列)
作者:约翰·E.梅菲尔德
译者:唐璐
出版社:湖南科学技术出版社
出版时间:2018-01-01
ISBN:9787535794611
第6章 算法进化
一、计算机能学习吗?
5、人工神经网络(ANN)
3)ANN的运作原理
ANN的运作原理如下。
- 电压或符号0和1形式的信号(信息)输入到输入层。这些输入一起组成了需要处理的数据集。
- 每个输入节点的信号通过图中用箭头表示的连接继续传送到隐藏层的节点。
信号在通过连接传送时会乘以权重因子。权重可正可负;若权重为零,连接就不传递信号。隐藏层节点根据某个简单规则对输入进行加权得到输出信号。
例如,可以取输入的均值。处理后,隐藏层节点会把信号送到输出层。这些信号也会乘以权重,然后输出层根据这些加权输入计算一个值。 - 最后的输出组成“答案”。
4)确定的输出
- 这种方式的输出是确定性的;它们完全取决于输入值和权重。
一些ANN能产生复杂的输出(很多输出节点),一些则只有简单输出(一两个输出节点)。
图6.1中的ANN就是两个输出节点。
输出可以是两个数或两个电压,可以解读成是或否,或者是、可能和否。
例如,如果输入描述的是一幅数字图像的像素,那么是或否的输出可能回答的是如下问题:图中是你的姨妈吗?
5)训练
- 要让ANN能正确识别出图片里的姨妈,就必须进行训练。
训练的目的是寻找合适的权重,这样一旦输入具有某种特征,就能产生特定的输出模式。
一般是给ANN各种输入,一些是正面例子,一些不是。
如果目标是识别出你姨妈的照片,权重就必须调整到可以对有姨妈的图像输出是,对没有姨妈的图像输出否。
让人吃惊的是,有可能找到这样的权重组合(只要所有有姨妈的图像具有某种独特性)。
通过训练,ANN可以从没有见过的图像中识别出有姨妈的图像。
现在有很多商业软件已经应用了这种学习方式。