神经网络

什么是感知机？

感知机（perceptron）是二分类的线性分类模型，属于监督学习算法。输入为实例的特征向量，输出为实例的类别（取+1和-1）。感知机旨在求出将输入空间中的实例划分为两类的分离超平面。为求得超平面，感知机导入了基于误分类的损失函数，利用梯度下降法对损失函数进行最优化求解。

神经网络主体的流程是怎样的？

每个神经元有一个节点和传输通道，节点接收数据，并且向下传输数据

有阈值设置，如果数据的值超过设置的阈值才会触发向下的传输。

什么是激活函数？

将非0到1区间的数更改到0到1的区间内

表示没信号和有信号的函数

我们所学的矩阵运算在神经网络中为什么很有用？

什么是偏导？什么是梯度？什么是梯度下降？它们在神经网络中扮演着怎样的角色？

偏导：在多维坐标系中某一个方向的导数，表示因变量在某一个方向的变化率

梯度：可以理解成曲线的斜率，即数据的变化幅度（山坡的陡峭程度）

梯度下降：求解函数最小值的办法，按照梯度进行下一步操作，同时控制步长

什么是反向传播？它是如何实现的？

为了修正误差，改变隐藏层到输出层的权重，以及输入层到隐藏层的权重。

通过输出层和实际值的对比，得出误差，然后按照权重回传给隐藏层，，再传给输入层，使用梯度下降的方法，一步一步接近目标值。

神经网络到底是什么?他在人工智能中属于哪一部分？它和机器学习深度学习的关系是怎样的？

一文看懂人工智能、机器学习、深度学习与神经网络之间的区别与关系

人工神经网络（英语：Artificial Neural Network，ANN），简称神经网络（Neural Network，NN）或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲就是具备学习功能。