DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略

DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略

相关文章
DL:深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略

 

目录

ANN/DNN深度神经网络算法的简介

1、DNN VS 人类大脑

1、ANN的四个特性和三个优点

ANN/DNN深度神经网络算法的经典案例


 

ANN/DNN深度神经网络算法的简介

          人工神经网络ANN(Artificial Neural Network)是由大量处理单元互联组成的非线性、自适应信息处理系统。它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。

DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略

          ANN的基本过程可以概述如下:外部刺激通过神经末梢,转化为电信号,传导到神经细胞(又叫神经元);无数神经元构成神经中枢;神经中枢综合各种信号,做出判断;人体根据神经中枢的指令,对外部刺激做出反应。其过程表述如上图所示。

          人工神经网络经历了漫长的发展阶段。最早是上个世纪六十年代提出的“人造神经元”模型,叫做“感知器”(perceptron)。感知机模型,是机器学习二分类问题中的一个非常简单的模型。它的基本结构如下图所示:

DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略

          随着反向传播算法最大池化(max-pooling)等技术的发明,神经网络进入了飞速发展的阶段。神经网络就是将许多个单一“神经元”联结在一起,这样,一个“神经元”的输出就可以是另一个“神经元”的输入。典型的人工神经网络具有以下三个部分:

  • 结构(Architecture)结构指定了网络中的变量和它们的拓扑关系。
  • 激励函数(Activity Rule)大部分神经网络模型具有一个短时间尺度的动力学规则,来定义神经元如何根据其他神经元的活动来改变自己的激励值。
  • 学习规则(Learning Rule)指定了网络中的权重如何随着时间推进而调整。

         一个典型的人工神经网络结构如下图所示

DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略

 

1、DNN VS 人类大脑

DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略

1、ANN的四个特性和三个优点

          人工神经网络具有四个基本特征:非线性、非局限性、非常定性非凸性
          人工神经网络的特点和优越性,主要表现在三个方面:具有自学习功能、具有联想存储功能和具有高速寻找最优解的能力。

 

 

ANN/DNN深度神经网络算法的经典案例

相关案例非常多,请自行查询本博客文章即可!

 

 

 

 

 

 

上一篇:CVPR2021 基于GAN的模糊图像复CVPR2021 基于GAN的模糊图像复原


下一篇:又更新了!OpenCV 4.5.4今天发布!